Explore le traitement neurobiologique des signaux, couvrant la modélisation des pics, la classification des signaux et la caractérisation des données à l'aide de l'analyse des composantes principales.
Il explore la construction de régions de confiance, les tests d'hypothèse inversés et la méthode pivot, en soulignant l'importance des méthodes de probabilité dans l'inférence statistique.
Explore les promenades aléatoires sur des espaces discrets et leurs propriétés, y compris les variables aléatoires multivariées et les distributions de Poisson.
Présente les chaînes de Markov, couvrant les bases, les algorithmes de génération et les applications dans les promenades aléatoires et les processus de Poisson.
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.