De student is vertrouwd met complexe getallen en begrippen uit de lineaire algebra (vectoren en matrices) en analyse (functies, continuïteit, afleidbaarheid, reeksen, convergentie). De student heeft een basis aan statistische kennis (stochastische veranderlijke, verdelingen, verwachtingswaarde, kansen).

De student kent de begrippen uit de kanstheorie.

De student kent de kenmerken van een stochastische veranderlijke/vector en kan deze bepalen.

De student kent de voorwaardelijke verdeling en verwachtingswaarde en kan deze bepalen.

De student kan de verdeling bepalen van een transformatie van een stochastische veranderlijke/vector.

De student kan het convergentiegedrag van een rij stochastische veranderlijken onderzoeken.

De student kan schatters voor parameters voorstellen, hun eigenschappen en limietgedrag onderzoeken.

De student is vertrouwd met complexe getallen en begrippen uit de lineaire algebra (vectoren en matrices) en analyse (functies, continuïteit, afleidbaarheid, reeksen, convergentie). De student heeft een basis aan statistische kennis (stochastische veranderlijke, verdelingen, verwachtingswaarde, kansen).

De student kent de begrippen uit de kanstheorie.

De student kent de kenmerken van een stochastische veranderlijke/vector en kan deze bepalen.

De student kent de voorwaardelijke verdeling en verwachtingswaarde en kan deze bepalen.

De student kan de verdeling bepalen van een transformatie van een stochastische veranderlijke/vector.

De student kan het convergentiegedrag van een rij stochastische veranderlijken onderzoeken.

De student kan schatters voor parameters voorstellen, hun eigenschappen en limietgedrag onderzoeken.

De student is vertrouwd met complexe getallen en begrippen uit de lineaire algebra (vectoren en matrices) en analyse (functies, continuïteit, afleidbaarheid, reeksen, convergentie). De student heeft een basis aan statistische kennis (stochastische veranderlijke, verdelingen, verwachtingswaarde, kansen).

De student kent de begrippen uit de kanstheorie: universum, kansmaat, sigma-algebra en kan deze gebruiken.

De student kent de begrippen voorwaardelijke kans en onafhankelijkheid van gebeurtenissen en kan deze berekenen/nagaan.

De student kent het begrip stochastische veranderlijken en kan kenmerken (verdelingsfunctie, dichtheidsfunctie,..) hiervan bepalen.

De student kent de begrippen verwachtingswaarde, momenten, genererende functie, karakteristieke functie en hun belangrijke eigenschappen. Verder kan hij/zij deze in voorbeelden bepalen/berekenen.

De student kent het begrip stochastische vector en daarmee verwante begrippen zoals gezamenlijke verdeling, marginale verdeling, verwachtingswaarde,... Hij/Zij kan o.a. gezamenlijke verdeling, marginale verdeling en verwachtingswaarde

De student beheerst de begrippen voorwaardelijke verdeling en verwachtingswaarde en kan deze in concrete gevallen berekenen. 

De student kent de transformatiestelling van stochastische veranderlijken en kan deze toepassen.

De student beheerst de begrippen convergentie in kans/verdeling, hun eigenschappen en kan deze nagaan in nieuwe voorbeelden. De student kent de belangrijkste limietstellingen (centrale limietstelling en zwakke wet van de grote getallen) en kan deze gebruiken in verschillende contexten.

De student kent de begrippen steekproef, steekproefgemiddelde en steekproefvariantie en kan hun verdeling bepalen in geval van een steekproef uit een normale verdeling.

De student kan een ongekende parameter schatten gebaseerd op de maximum likelihood schatter of momentenschatter.

De student kan nagaan of een schatter consistent/asymptotisch normaal/sufficiënt/compleet/onvertekend/(asymptotisch) efficiënt is of de Cramer-Rao ondergrens bereikt.

De student kent de stellingen van Lehmann-Scheffé, Rao-Blackwell, Fisher-Neymann en kan deze gebruiken bij het zoeken naar een "beste" schatter.