Explore les distributions de probabilité pour les variables aléatoires dans les études sur la pollution atmosphérique et le changement climatique, couvrant les statistiques descriptives et inférentielles.
Couvre les modèles stochastiques de communication, se concentrant sur les variables aléatoires, les chaînes Markov, les processus Poisson et les calculs de probabilité.
Présente les bases de l'analyse et de la gestion des risques en génie civil, couvrant les distributions, les rappels statistiques et les techniques d'interprétation mathématique.
Introduit des fonctions de masse de probabilité pour des variables aléatoires discrètes et diverses distributions, en mettant l'accent sur le calcul des attentes.
Couvre les concepts fondamentaux de la statistique, y compris la théorie de l'estimation, les distributions et la loi des grands nombres, avec des exemples pratiques.
Explore le théorème de Bayes pour la détection de pièces défectueuses, les variables aléatoires discrètes et les fonctions de distribution, avec des exemples pratiques et des exercices.
Introduit des concepts clés en matière de probabilité et de statistiques, couvrant la probabilité d'événement, l'analyse des données et la détection des particules.
Couvre la définition de la distribution gaussienne multivariée et de ses propriétés, y compris la fonction génératrice de moment et les combinaisons linéaires de variables.
Introduit les bases de l'apprentissage supervisé, en mettant l'accent sur la régression logistique, la classification linéaire et la maximisation de la probabilité.
Explore la théorie de Ramsey, les altérations, les colorations dans les graphiques, les correspondances monochromatiques et la signification des grandes cliques.