Explore la distribution de Wishart, les propriétés des matrices de Wishart, et la distribution de T2 de Hotelling, y compris la statistique T2 de deux exemples Hotelling.
Couvre l'analyse en composantes principales pour la réduction dimensionnelle des données biologiques, en se concentrant sur la visualisation et l'identification des modèles.
Explore la dépendance dans les vecteurs aléatoires, couvrant la densité articulaire, l'indépendance conditionnelle, la covariance et les fonctions génératrices de moment.
Discute des méthodes d'estimation en probabilité et en statistiques, en se concentrant sur l'estimation du maximum de vraisemblance et les intervalles de confiance.
Explorer l'estimation du rétrécissement des matrices de covariance à haute dimension, en comparant les approches linéaires et non linéaires pour une meilleure précision.
Explore l'estimation de la probabilité maximale et les tests d'hypothèses multivariées, y compris les défis et les stratégies pour tester plusieurs hypothèses.
Introduit des statistiques inférentielles, couvrant l'échantillonnage, la tendance centrale, la dispersion, les histogrammes, les scores z et la distribution normale.
Couvre l'analyse des composantes principales pour l'estimation de la forme de la courbe de rendement et la réduction des dimensions dans les modèles de taux d'intérêt.
Discute des mesures statistiques de la tendance centrale et de la dispersion, en se concentrant sur la moyenne, la médiane et leurs implications dans l'analyse des données.
Explore le nettoyage de la matrice de covariance, les estimateurs optimaux et les méthodes invariantes en rotation pour l'optimisation du portefeuille.
Explorer la théorie principale de l'analyse des composants, les propriétés, les applications et les tests d'hypothèse dans les statistiques multivariées.
