Couvre les variables aléatoires, les espaces déchantillons, les distributions de probabilité, les fonctions, la valeur attendue, la variance et les estimations.
Couvre les probabilités, les variables aléatoires, les attentes, les GLM, les tests d'hypothèse et les statistiques bayésiennes avec des exemples pratiques.
Discute des concepts statistiques clés, y compris les dangers d'échantillonnage, les inégalités et le théorème de la limite centrale, avec des exemples pratiques et des applications.
Explorer les distributions d'échantillonnage, les propriétés des estimateurs et les mesures statistiques pour les applications de la science des données.
Explore l'estimation statistique, comparant les estimateurs basés sur la moyenne et la variance, et plongeant dans l'erreur carrée moyenne et Cramér-Rao lié.
Explore l'estimation ponctuelle dans les statistiques, en discutant du biais, de la variance, de l'erreur quadratique moyenne et de la cohérence des estimateurs.
Explore les probabilités avancées, les variables aléatoires et les valeurs attendues, avec des exemples pratiques et des quiz pour renforcer l'apprentissage.
Explore l'indépendance et la probabilité conditionnelle dans les probabilités et les statistiques, avec des exemples illustrant les concepts et les applications pratiques.
Explique les estimateurs statistiques pour les variables aléatoires et les distributions gaussiennes, en se concentrant sur les fonctions d'erreur pour l'intégration.
Explore la méthode des moments, le compromis biais-variance, la cohérence, le principe de plug-in et le principe de vraisemblance dans lestimation de point.