Couvre l'algorithme Metropolis-Hastings et les approches basées sur les gradients pour biaiser les recherches vers des valeurs de vraisemblance plus élevées.
Explore la cinétique des défauts induits par la lumière dans les matériaux électroniques, couvrant la création de défauts, recuit, et des modèles unifiés.
Explore des exemples spéciaux de modèles linéaires généralisés, couvrant la régression logistique, les modèles de données de comptage, les problèmes de séparation et les relations non paramétriques.
Couvre le processus de balayage des paramètres dans QUCS, en se concentrant sur la configuration du type de simulation 'parameter sweep' avec des valeurs linéaires.
Couvre les modèles familiaux exponentiels et leurs propriétés statistiques, y compris les statistiques canoniques et les fonctions génératrices de cumul.
