Couvre les distributions conditionnelles et les corrélations dans les statistiques multivariées, y compris la variance partielle et la covariance, avec les applications aux distributions non normales.
Explore les copules dans les statistiques multivariées, couvrant les propriétés, les erreurs et les applications dans la modélisation des structures de dépendance.
Explore les modèles paramétriques dans l'analyse des données, couvrant les estimateurs de régression, les problèmes d'optimisation et les modèles statistiques.
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Explore les modèles de mélange, y compris les mélanges discrets et continus, et leur application dans la capture de l'hétérogénéité du goût dans les populations.
Couvre les vecteurs aléatoires, la distribution articulaire, les fonctions de densité conditionnelle, l'indépendance, la covariance, la corrélation et l'attente conditionnelle.
Couvre les copules, le théorème de Sklar, les méta distributions et diverses mesures de dépendance comme les corrélations de rang et les coefficients de dépendance de la queue.
