Couvre la probabilité appliquée, les chaînes de Markov et les processus stochastiques, y compris les matrices de transition, les valeurs propres et les classes de communication.
Explore le concept de distribution stationnaire dans les chaînes de Markov, en discutant de ses propriétés et de ses implications, ainsi que des conditions d'une récurrence positive.
Explore l'échantillonnage de rejet pour générer des valeurs d'échantillon à partir d'une distribution cible, ainsi que l'inférence bayésienne à l'aide de MCMC.
