Couvre la théorie de l'échantillonnage de Markov Chain Monte Carlo (MCMC) et discute des conditions de convergence, du choix de la matrice de transition et de l'évolution de la distribution cible.
Explore les statistiques du second ordre dans le traitement du signal, la stationnarité dans les signaux aléatoires et la distinction entre les processus ergodiques et non ergodiques.
Discute des concepts statistiques clés, y compris les dangers d'échantillonnage, les inégalités et le théorème de la limite centrale, avec des exemples pratiques et des applications.
Couvre l'analyse des processus stochastiques de deuxième ordre dans les systèmes de communication et la restauration d'images à l'aide du filtre Wiener.
Explore l'influence de la complexité sur les propriétés ergonomiques des systèmes symboliques, présentant le théorème Curtis-Hedlund-Lyndon et les constructions de sous-postes minimaux.
