Explique lestimation, la corrélation et la corrélation Pearson dans les statistiques, en se concentrant sur la mesure et la description des relations entre les variables.
Explore les fondamentaux du traitement des signaux, y compris les signaux de temps discrets, la factorisation spectrale et les processus stochastiques.
Explore l'indépendance statistique, la corrélation, les fonctions de Gauss, l'estimation de la probabilité et les modèles de mélange gaussien pour le regroupement.
Explore la stationnarité dans les processus stochastiques, en montrant comment les caractéristiques statistiques restent constantes au fil du temps et les implications sur les variables aléatoires et les transformées de Fourier.
Explore le phénomène Stein, présentant les avantages du biais dans les statistiques de grande dimension et la supériorité de l'estimateur James-Stein sur l'estimateur de probabilité maximale.
Introduit les types de variables, la distribution multinomiale, les caractéristiques des données, les formes des densités, la corrélation et les méthodes de visualisation des données.
Couvre les compromis en matière de risque et de rendement dans les portefeuilles, les avantages de la diversification et la frontière efficace avec de multiples actifs.