Couvre les critères d'estimation des paramètres, en soulignant l'importance de la cohérence, du biais, de la variance et de l'efficacité des estimateurs.
Discute de la rétroaction de l'évaluation, de la convergence, de l'analyse des erreurs et des étapes temporelles adaptatives dans les simulations physiques.
Couvre les concepts fondamentaux de la statistique, y compris la théorie de l'estimation, les distributions et la loi des grands nombres, avec des exemples pratiques.
Introduit l'analyse des composantes principales, en mettant l'accent sur la maximisation de la variance dans les combinaisons linéaires pour résumer efficacement les données.
Couvre la détection et la correction des erreurs de paramètres dans les réseaux électriques, en mettant l'accent sur les propriétés statistiques, l'identification des erreurs, l'efficacité de calcul, l'analyse de sensibilité et l'estimation robuste de l'état.
Explore le phénomène Stein, présentant les avantages du biais dans les statistiques de grande dimension et la supériorité de l'estimateur James-Stein sur l'estimateur de probabilité maximale.
Couvre les bases de l'analyse numérique, y compris le calcul adaptatif des caractéristiques, l'analyse résiduelle et l'importance des problèmes bien posés.
