Introduit le test t pour l'évaluation des effets catégoriques sur les résultats quantitatifs, couvrant les tests d'hypothèses, les hypothèses et les tests alternatifs.
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.
Discute de l'estimation et de la propagation de l'incertitude dans les variables aléatoires et de l'importance de gérer l'incertitude dans l'analyse statistique.
Couvre l'estimation des points, les intervalles de confiance et les tests d'hypothèses pour les fonctions lisses à l'aide de modèles mixtes et de lissage des splines.
Explore les matrices de corrélation, la régression, la variance, les intervalles de confiance et les systèmes normalisés dans la modélisation statistique.
Explore les répliques, les méthodes de visualisation, les mesures de tendance centrale, les valeurs aberrantes, la dispersion, les moyennes, les résidus et les estimateurs impartiaux.
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.
Couvre l'algorithme Metropolis-Hastings et les approches basées sur les gradients pour biaiser les recherches vers des valeurs de vraisemblance plus élevées.
Couvre les moments, la variance et les valeurs attendues dans les probabilités et les statistiques, y compris la distribution des jetons dans un produit.
