Explore l'hétéroskédasticité en économétrie, en discutant de son impact sur les erreurs standard, les estimateurs alternatifs, les méthodes d'essai et les implications pour les tests d'hypothèses.
Explore l'inférence statistique pour les données de banditisme, en mettant l'accent sur les actions de traitement personnalisées et les défis des estimateurs standards.
Explore l'application de l'algèbre linéaire dans la science des données, couvrant la réduction de la variance, la théorie de la distribution des modèles et les estimations du maximum de vraisemblance.
Couvre les bases de régression linéaire, en se concentrant sur la minimisation des erreurs en utilisant le principe des moindres carrés et comprend une table ANOVA et un exemple pratique dans R.
Examine la régression probabiliste linéaire, couvrant les probabilités articulaires et conditionnelles, la régression des crêtes et l'atténuation excessive.
