Explore Markov Chain Monte Carlo pour l'échantillonnage des distributions haute dimension et l'optimisation des fonctions à l'aide de l'algorithme Metropolis-Hastings.
Couvre les statistiques, la conception expérimentale, les erreurs, les distributions, les implications de la taille de l'échantillon et les résultats nuls.
Explore les modèles de diffusion, en mettant l'accent sur la production d'échantillons provenant d'une distribution et l'importance de la dénigrement dans le processus.
Explore les caractéristiques de la distribution normale, les scores Z, la probabilité dans les statistiques inférentielles, les effets d'échantillon et l'approximation de la distribution binomiale.
Couvre la théorie du traitement du signal numérique, y compris l'échantillonnage, les méthodes de transformation, la numérisation et les contrôleurs PID.
Explore les transitions de verre et de fusion dans les polymères, y compris les méthodes de caractérisation et les propriétés spécifiques des polymères.
