Couvre les concepts fondamentaux en probabilité et en statistiques, en mettant l'accent sur les techniques d'analyse de données et la modélisation statistique.
Explore la dépendance, la corrélation et les attentes conditionnelles en matière de probabilité et de statistiques, en soulignant leur importance et leurs limites.
Explore l'inférence bayésienne pour la précision dans le modèle gaussien avec la moyenne connue, en utilisant un précédent Gamma et en discutant des précédents subjectifs vs objectifs.
Examine la régression probabiliste linéaire, couvrant les probabilités articulaires et conditionnelles, la régression des crêtes et l'atténuation excessive.
Discute de l'inférence bayésienne pour la moyenne d'une distribution gaussienne avec variance connue, couvrant la moyenne postérieure, la variance et l'estimateur MAP.
