Introduit les bases statistiques, y compris l'analyse des données et la théorie des probabilités, en mettant l'accent sur la tendance centrale, la dispersion et les formes de distribution.
Explorer l'analyse de la pollution atmosphérique à l'aide de données sur le vent, de distributions de probabilités et de modèles de trajectoire pour l'évaluation de la qualité de l'air.
Couvre les concepts fondamentaux de probabilité et de statistiques, en se concentrant sur l'analyse des données, la représentation graphique et les applications pratiques.
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 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 la méthode des moments, le compromis biais-variance, la cohérence, le principe de plug-in et le principe de vraisemblance dans lestimation de point.
Introduit des concepts d'inférence statistique, en se concentrant sur l'estimation des paramètres, les estimateurs non biaisés et l'estimation moyenne à l'aide de variables aléatoires indépendantes.
Couvre les bases des statistiques exploratoires, y compris les variables, les quantiles, la tendance centrale, la dispersion, les valeurs aberrantes et la robustesse.
Discute des méthodes numériques, en se concentrant sur les critères d'arrêt, SciPy pour l'optimisation et la visualisation des données avec Matplotlib.
Les couvertures comportent des méthodes d'extraction, de regroupement et de classification pour les ensembles de données de grande dimension et l'analyse comportementale utilisant PCA, t-SNE, k-means, GMM et divers algorithmes de classification.
