Introduit le cours sur la mesure et l'intégration, en se concentrant sur le développement d'une nouvelle théorie pour surmonter les limites de l'intégrale de Riemann.
Couvre les instruments fondés sur le marché pour la réduction des émissions et leur efficacité à minimiser les coûts entre les différentes sources d'émissions.
Couvre les bases des mesures de probabilité, des propriétés, des exemples, de la mesure de Lebesgue et de la terminologie liée aux espaces et aux événements de probabilité.
Explore les distributions invariantes, les états récurrents et la convergence dans les chaînes de Markov, y compris des applications pratiques telles que PageRank dans Google.
Couvre les chaînes de Markov et leurs applications dans les algorithmes, en se concentrant sur l'échantillonnage Markov Chain Monte Carlo et l'algorithme Metropolis-Hastings.
