Couvre les intervalles de confiance pour les moyennes gaussiennes, la distribution des élèves et les intervalles de confiance de Wald pour les estimateurs de probabilité maximale.
Couvre la méthode des moments pour estimer les paramètres et construire des intervalles de confiance basés sur des moments empiriques correspondant à des moments de distribution.
Explore la théorie de la distribution des estimateurs des moindres carrés dans un modèle linéaire gaussien, en mettant l'accent sur la construction des intervalles de précision et de confiance.
Introduit des statistiques descriptives, une quantification de l'incertitude et des relations variables, soulignant l'importance de l'interprétation statistique et de l'analyse critique.
Couvre les statistiques descriptives, les tests d'hypothèses et l'analyse de corrélation avec diverses distributions de probabilités et des statistiques robustes.
Discute des méthodes d'estimation en probabilité et en statistiques, en se concentrant sur l'estimation du maximum de vraisemblance et les intervalles de confiance.
Couvre les types de détecteurs, les statistiques de comptage, la prédiction des erreurs et l'estimation de l'incertitude dans les mesures, en soulignant l'importance des tests statistiques et l'optimisation des expériences.
