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.
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.
Explore l'optimalité dans la théorie de la décision et l'estimation impartiale, en mettant l'accent sur la suffisance, l'exhaustivité et les limites inférieures du risque.
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.
Couvre le concept d'estimation ponctuelle dans les statistiques, en se concentrant sur les méthodes d'estimation des paramètres inconnus à partir d'un échantillon donné.
Introduit la Méthode Généralisée des Moments (GMM), une approche polyvalente pour l'estimation basée sur les restrictions de temps, avec des applications dans les modèles de tarification des actifs.
Explore la modélisation des signaux neurobiologiques, en se concentrant sur les pics, la vitesse de tir, plusieurs neurones d'état, et l'estimation des paramètres.