Explore l'exhaustivité, la suffisance minimale et les modèles statistiques spéciaux, en se concentrant sur les familles exponentielles et de transformation.
Introduit une estimation de la probabilité maximale pour l'estimation des paramètres statistiques, couvrant le biais, la variance et l'erreur carrée moyenne.
Présente les principes fondamentaux de la simulation stochastique, couvrant l'organisation des cours, les modèles de file d'attente, les finances, les statistiques, la physique et les détails des examens.
Explique le test t à deux échantillons pour comparer les moyennes d'échantillons indépendants, y compris les étapes de test d'hypothèse et le calcul statistique de test.
Couvre le cours de simulations stochastiques, le modèle de file d'attente G/G/1, la finance computationnelle, les statistiques, la physique et l'inférence bayésienne.
Discute des distributions de probabilité et du théorème de la limite centrale, en soulignant leur importance dans la science des données et l'analyse statistique.