Explore les techniques de réduction de la variance telles que les variables antithétiques et l'échantillonnage d'importance dans l'estimation de Monte Carlo.
Couvre la définition de la distribution gaussienne multivariée et de ses propriétés, y compris la fonction génératrice de moment et les combinaisons linéaires de variables.
Couvre les sujets avancés dans les modèles linéaires généralisés, en mettant l'accent sur les fonctions de liaison, les distributions d'erreurs et l'interprétation des modèles.
Couvre l'algorithme Metropolis-Hastings et les approches basées sur les gradients pour biaiser les recherches vers des valeurs de vraisemblance plus élevées.
