Explore l'échantillonnage de rejet pour générer des valeurs d'échantillon à partir d'une distribution cible, ainsi que l'inférence bayésienne à l'aide de MCMC.
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.
Explore les caractéristiques de la distribution normale, les scores Z, la probabilité dans les statistiques inférentielles, les effets d'échantillon et l'approximation de la distribution binomiale.
Introduit des fonctions de masse de probabilité pour des variables aléatoires discrètes et diverses distributions, en mettant l'accent sur le calcul des attentes.