Couvre le concept d'événements et de tribus en théorie des probabilités, soulignant l'importance de définir les tribus valides et leur rôle dans la modélisation des expériences aléatoires.

Probabilité conditionnelle

Couvre la probabilité conditionnelle, les distributions de probabilité et le choix de la bonne distribution pour des scénarios spécifiques.

Estimation de R : Théorie des processus de Poisson

Couvre la théorie des processus de Poisson et l'estimation du paramètre d'intensité R.

Propriétés d'attente : linéarité, formule d'exclusion-inclusion

Couvre les propriétés des attentes et des exemples de calcul des attentes pour les variables aléatoires.

Estimation R

Couvre l'estimation des processus max-stables à l'aide de modèles Poisson et explore les fonctions des exposants et les coefficients extrêmes.

Estimation des variables aléatoires

Couvre l'estimation des variables aléatoires et de leurs fonctions.

Probabilité conditionnelle : Définition et exemples

Explique le calcul de la probabilité conditionnelle avec des définitions et des exemples.

Variables aléatoires : Introduction et essais Bernoulli

Introduit des variables aléatoires, approximation, convergence et essais Bernoulli dans les statistiques.