Explore l'analyse statistique des données du réseau, qui couvre les structures graphiques, les modèles, les statistiques et les méthodes d'échantillonnage.
Couvre les concepts de lunettes de spin et d'estimation bayésienne, en se concentrant sur l'observation et la déduction de l'information d'un système de près.
Couvre les propriétés stochastiques, les structures du réseau, les modèles, les statistiques, les mesures de centralité et les méthodes d'échantillonnage dans l'analyse des données du réseau.
Explore les statistiques graphiques, la génération aléatoire de graphiques, l'analyse de réseaux, les mesures de centralité et les coefficients de regroupement.
Explore la théorie du clustering spectral, la décomposition des valeurs propres, la matrice laplacienne et les applications pratiques dans l'identification des clusters.
Explore le modèle de bloc stochastique, le regroupement spectral et la compréhension non paramétrique des modèles de bloc, en mettant l'accent sur les mesures pour comparer les modèles graphiques.
Discute des méthodes d'estimation en probabilité et en statistiques, en se concentrant sur l'estimation du maximum de vraisemblance et les intervalles de confiance.
Explore linférence de vraisemblance maximale, comparant les modèles basés sur les ratios de vraisemblance et démontrant avec un exemple de pièce de monnaie.
Explore la base canonique en algèbre linéaire, en se concentrant sur la représentation matricielle, la diagonalisation et les polynômes caractéristiques.
Couvre les tests de ratio de vraisemblance, leur optimalité et les extensions dans les tests d'hypothèses, y compris le théorème de Wilks et la relation avec les intervalles de confiance.
Explore les distances sur les graphiques, les normes de coupe, les arbres de couverture, les modèles de blocs, les métriques, les normes et les ERGM dans l'analyse des données du réseau.
Explore la cohérence et les propriétés asymptotiques de l’estimateur de vraisemblance maximale, y compris les défis à relever pour prouver sa cohérence et construire des estimateurs de type MLE.
