Explore les modèles génératifs, la régression logistique et la distribution gaussienne pour approximer les probabilités postérieures et optimiser les performances du modèle.
Introduit la méthode généralisée des moments (GMM) en économétrie, en se concentrant sur son application dans les modèles destimation des variables instrumentales et de tarification des actifs.
Introduit une estimation de vraisemblance maximale en économétrie, couvrant les principes, les propriétés, les applications et les tests de spécification.
Explore linférence de vraisemblance maximale, comparant les modèles basés sur les ratios de vraisemblance et démontrant avec un exemple de pièce de monnaie.
