جلسه اول: تعریف تخمین و انواع آن +‌ برآوردگر MVUE + صورت قضیه کرامر رائو در حالت اسکالر و اثبات آن

جلسه اول: تعریف تخمین و انواع آن +‌ برآوردگر MVUE + صورت قضیه کرامر رائو در حالت اسکالر و اثبات آن

جلسه دوم: قضیه کرامر رائو در حالت برداری + مدل‌های خطی با نویز سفید جمع‌شونده

جلسه سوم: ادامه مدل‌های خطی با نویز گوسی سفید جمع‌شونده +‌ مدل‌های خطی در حضور نویز رنگی

جلسه چهارم: برآوردگر BLUE (برآوردگر خطی بدون بایاس با کمترین واریانس) + قضیه گاوس مارکوف + مروری بر بهینه‌سازی

جلسه پنجم: ادامه اثبات قضیه گاوس مارکوف + ذکر مثال از برآوردگر BLUE

جلسه ششم: برآوردگر درست‌نمایی بیشینه (Maximum Likelihood)

جلسه هفتم: اثبات بهینگی مجانبی برآوردگر درست‌نمایی بیشینه

جلسه هشتم: ادامه اثبات بهینگی مجانبی برآوردگر درست‌نمایی بیشینه + ذکر مثال از برآوردگر (رادار)

جلسه نهم: تخمین کمترین مربعات (Least Squares)

جلسه دهم: اثبات فرمول بازگشتی تخمین کمترین مربعات + ذکر مثال از برآوردگر (فیلتر کردن نویز ۶۰ هرتز برق)

جلسه یازدهم: مثال عملی از تخمین کمترین مربعات (حلقه قفل فاز + استخراج ضربان قلب جنین از روی مخلوط ضربان قلب جنین و مادر)

جلسه دوازدهم: تخمین بیزی + توزیع پیشین مزدوج

جلسه سیزدهم: ادامه تخمین بیزی + مدل خطی بیزی در حضور نویز گوسی

جلسه چهاردهم: ذکر مثال از مدل خطی بیزی در حضور نویز گوسی + استفاده از تخمین بیزی برای یک پارامتر غیر تصادفی

جلسه پانزدهم: مدلهای تعمیم یافته تخمین بیزی + تخمین MAP + تخمین maximum likelihood بیزی

جلسه شانزدهم: تخمین بیزی خطی (اسکالر)

جلسه هفدهم: تخمین بیزی خطی (برداری) + فیلتر وینر (Wiener filtering)

جلسه هجدهم: ادامه فیلتر وینر +‌ آغاز فیلتر کالمن (Kalman filtering)

جلسه نوزدهم: ادامه فیلتر کالمن در حالت اسکالر

جلسه بیستم: فیلتر کالمن در حالت برداری +‌ ذکر مثال از فیلتر کالمن به همراه معرفی فیلتر کالمن توسعه یافته +‌ فیلتر کالمن بی‌بو