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.
Explore la régression linéaire dans une perspective d'inférence statistique, couvrant les modèles probabilistes, la vérité au sol, les étiquettes et les estimateurs de probabilité maximale.
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 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.