Explore l'exhaustivité, la suffisance minimale et les modèles statistiques spéciaux, en se concentrant sur les familles exponentielles et de transformation.
Couvre les probabilités, les variables aléatoires, les attentes, les GLM, les tests d'hypothèse et les statistiques bayésiennes avec des exemples pratiques.
Explorer des modèles linéaires généralisés pour les données non gaussiennes, couvrant l'interprétation de la fonction de liaison naturelle, la normalité asymptotique MLE, les mesures de déviance, les résidus et la régression logistique.
Couvre les modèles familiaux exponentiels et leurs propriétés statistiques, y compris les statistiques canoniques et les fonctions génératrices de cumul.
Explore l'extension U(1) des difféomorphismes d'Anosov et la preuve d'un mélange exponentiel à travers une contractivité uniforme et l'annulation par des phases complexes.
Explore la suffisance et l'ancilarité de la théorie de l'échantillonnage, soulignant l'importance de statistiques suffisantes pour compresser les données sans perdre d'information.
Couvre les propriétés, les applications et les hypothèses de l'estimation maximale de la probabilité, fournissant une compréhension complète des concepts MLE et de leurs implications pratiques.
