Couvre les intervalles de confiance pour les moyennes gaussiennes, la distribution des élèves et les intervalles de confiance de Wald pour les estimateurs de probabilité maximale.
S'insère dans la dualité entre les intervalles de confiance et les tests d'hypothèses, soulignant l'importance de la précision et de l'exactitude dans l'estimation.
Couvre la méthode des moments pour estimer les paramètres et construire des intervalles de confiance basés sur des moments empiriques correspondant à des moments de distribution.
Explore la théorie de la distribution des estimateurs des moindres carrés dans un modèle linéaire gaussien, en mettant l'accent sur la construction des intervalles de précision et de confiance.
Explore les matrices de corrélation, la régression, la variance, les intervalles de confiance et les systèmes normalisés dans la modélisation statistique.
Il explore la construction de régions de confiance, les tests d'hypothèse inversés et la méthode pivot, en soulignant l'importance des méthodes de probabilité dans l'inférence statistique.
Introduit les marchés financiers, les séries chronologiques, les applications d'apprentissage automatique en finance et le traitement des langues naturelles.
Introduit des statistiques descriptives, une quantification de l'incertitude et des relations variables, soulignant l'importance de l'interprétation statistique et de l'analyse critique.
Couvre le calcul et l'estimation dans la simulation stochastique, en se concentrant sur la génération de répliques iid et l'échantillonnage d'importance optimale.
Couvre les statistiques descriptives, les tests d'hypothèses et l'analyse de corrélation avec diverses distributions de probabilités et des statistiques robustes.
