Couvre la probabilité appliquée, les processus stochastiques, les chaînes de Markov, l'échantillonnage de rejet et les méthodes d'inférence bayésienne.
Couvre les concepts fondamentaux de probabilité et de statistiques, en se concentrant sur l'analyse des données, la représentation graphique et les applications pratiques.
Introduit des statistiques inférentielles, couvrant l'échantillonnage, la tendance centrale, la dispersion, les histogrammes, les scores z et la distribution normale.
Couvre les probabilités conditionnelles, illustrant comment les événements influencent les probabilités des uns et des autres et leurs applications dans des scénarios réels.
Explore les distributions, les systèmes linéaires, la réponse impulsionnelle, les opérateurs de convolution et les systèmes causaux dans les signaux et les systèmes.
Explore le financement d'une idée, l'analyse de données volumineuses et les bases statistiques avec des idées sur la façon d'éviter les pièges courants.
Explore la cohérence et les propriétés asymptotiques de l’estimateur de vraisemblance maximale, y compris les défis à relever pour prouver sa cohérence et construire des estimateurs de type MLE.
Couvre l'algorithme de Leighton-Rao pour trouver la coupe la plus clairsemée dans un graphique, en se concentrant sur ses étapes et ses fondements théoriques.