Explique lestimation, la corrélation et la corrélation Pearson dans les statistiques, en se concentrant sur la mesure et la description des relations entre les variables.
Explore les filtres de Kalman linéarisés et étendus, illustrant leur application dans les systèmes non linéaires et l'estimation des paramètres inconnus.
Couvre les bases de la régression linéaire et la façon de résoudre les problèmes d'estimation en utilisant les moindres carrés et la notation matricielle.
Couvre le concept d'inférence moyenne-carré-erreur et d'estimateurs optimaux pour les problèmes d'inférence en utilisant différents critères de conception.
Explore le filtre Wiener pour l'estimation des signaux et la dénigrement adaptatif dans des scénarios avec des propriétés non changeantes et des contraintes en temps réel.
Explore l'estimation, la prévision et la comparaison de modèles dans l'analyse de séries chronologiques à l'aide d'exemples de données réelles pour motiver l'étude.
