Couvre les inégalités de concentration et les méthodes d'échantillonnage pour estimer les distributions inconnues, en mettant l'accent sur les taux d'infection de la population.
Explore l'intégrabilité uniforme, les théorèmes de convergence et l'importance des séquences bornées dans la compréhension de la convergence des variables aléatoires.
Couvre les bases des mesures de probabilité, des propriétés, des exemples, de la mesure de Lebesgue et de la terminologie liée aux espaces et aux événements de probabilité.
Explore les modèles de jouets, les sigma-algèbres, les variables aléatoires à valeur T, les mesures et l'indépendance dans la théorie des probabilités.
Couvre les propriétés des espaces complets, y compris l'exhaustivité, les attentes, les incorporations, les sous-ensembles, les normes, l'inégalité de Holder et l'intégrabilité uniforme.
Explore la convergence en droit pour les variables aléatoires, y compris le théorème de Kolmogorov et les preuves basées sur les lemmes de probabilité.
Couvre les mesures d'information telles que l'entropie, la divergence Kullback-Leibler et l'inégalité de traitement des données, ainsi que les noyaux de probabilité et les informations mutuelles.
