Couvre les variables aléatoires discrètes, la fonction de masse de probabilité, les propriétés et la distribution binomiale avec des exemples illustratifs.
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.
Explore les techniques bayésiennes pour résoudre les problèmes de valeur extrême, en mettant l'accent sur l'analyse du MCMC et sur l'importance d'une information préalable appropriée.
Couvre l'analyse et la modélisation des séries chronologiques univariées, en mettant l'accent sur la stationnarité, les processus ARMA et la prévision.
Explore le modèle cinétique de l'effet Warburg dans les cellules cancéreuses, couvrant la construction du modèle, l'estimation des paramètres et l'analyse du contrôle métabolique.
