Skip to content

PRO TIP Block youtube.com at the DNS level — Pi-hole, NextDNS or your hosts file — but allow youtube-nocookie.com and i.ytimg.com. These tutorials keep playing; the rabbit hole does not.

Learning without distractions
  1. 1 1:52 L01.1 Lecture Overview MIT OpenCourseWare · 737.7K views
  2. 2 5:38 L01.2 Sample Space MIT OpenCourseWare · 263.6K views
  3. 3 5:03 L01.3 Sample Space Examples MIT OpenCourseWare · 157.5K views
  4. 4 8:55 L01.4 Probability Axioms MIT OpenCourseWare · 228.5K views
  5. 5 11:05 L01.5 Simple Properties of Probabilities MIT OpenCourseWare · 141.5K views
  6. 6 8:40 L01.6 More Properties of Probabilities MIT OpenCourseWare · 109.3K views
  7. 7 5:13 L01.7 A Discrete Example MIT OpenCourseWare · 94.3K views
  8. 8 5:20 L01.8 A Continuous Example MIT OpenCourseWare · 81.1K views
  9. 9 12:10 L01.9 Countable Additivity MIT OpenCourseWare · 92.7K views
  10. 10 1:25 S01.0 Mathematical Background Overview MIT OpenCourseWare · 61.3K views
  11. 11 10:55 S01.1 Sets MIT OpenCourseWare · 70.5K views
  12. 12 4:53 S01.2 De Morgan’s Laws MIT OpenCourseWare · 59.6K views
  13. 13 6:00 S01.3 Sequences and their Limits MIT OpenCourseWare · 62.7K views
  14. 14 2:46 S01.4 When Does a Sequence Converge MIT OpenCourseWare · 46.6K views
  15. 15 3:11 S01.5 Infinite Series MIT OpenCourseWare · 46K views
  16. 16 4:07 S01.6 The Geometric Series MIT OpenCourseWare · 46.5K views
  17. 17 10:05 S01.7 About the Order of Summation in Series with Multiple Indices MIT OpenCourseWare · 54.3K views
  18. 18 6:19 S01.8 Countable and Uncountable Sets MIT OpenCourseWare · 149.3K views
  19. 19 4:02 S01.9 Proof That a Set of Real Numbers is Uncountable MIT OpenCourseWare · 148.5K views
  20. 20 9:28 S01.10 Bonferroni’s Inequality MIT OpenCourseWare · 77.2K views
  21. 21 2:07 L02.1 Lecture Overview MIT OpenCourseWare · 50.5K views
  22. 22 5:02 L02.3 A Die Roll Example MIT OpenCourseWare · 49.4K views
  23. 23 10:59 L02.5 A Radar Example and Three Basic Tools MIT OpenCourseWare · 53K views
  24. 24 6:17 L02.6 The Multiplication Rule MIT OpenCourseWare · 56.6K views
  25. 25 5:25 L02.7 Total Probability Theorem MIT OpenCourseWare · 105.6K views
  26. 26 4:28 L02.8 Bayes’ Rule MIT OpenCourseWare · 68.8K views
  27. 27 1:27 L03.1 Lecture Overview MIT OpenCourseWare · 44.8K views
  28. 28 6:10 L03.3 Independence of Two Events MIT OpenCourseWare · 47.3K views
  29. 29 2:59 L03.4 Independence of Event Complements MIT OpenCourseWare · 38.2K views
  30. 30 2:46 L03.5 Conditional Independence MIT OpenCourseWare · 99K views
  31. 31 6:00 L03.7 Independence of a Collection of Events MIT OpenCourseWare · 39.4K views
  32. 32 8:35 L03.8 Independence Versus Pairwise Independence MIT OpenCourseWare · 50.7K views
  33. 33 7:28 L03.9 Reliability MIT OpenCourseWare · 77.4K views
  34. 34 6:54 L03.10 The King’s Sibling MIT OpenCourseWare · 31.6K views
  35. 35 2:29 L04.1 Lecture Overview MIT OpenCourseWare · 33.6K views
  36. 36 11:12 L04.2 The Counting Principle MIT OpenCourseWare · 41.5K views
  37. 37 4:39 L04.3 Die Roll Example MIT OpenCourseWare · 30.3K views
  38. 38 10:08 L04.4 Combinations MIT OpenCourseWare · 39.1K views
  39. 39 6:38 L04.5 Binomial Probabilities MIT OpenCourseWare · 42K views
  40. 40 5:20 L04.7 Partitions MIT OpenCourseWare · 38.5K views
  41. 41 1:40 L05.1 Lecture Overview MIT OpenCourseWare · 39.7K views
  42. 42 9:14 L05.2 Definition of Random Variables MIT OpenCourseWare · 102.6K views
  43. 43 10:21 L05.3 Probability Mass Functions MIT OpenCourseWare · 155.4K views
  44. 44 3:06 L05.4 Bernoulli & Indicator Random Variables MIT OpenCourseWare · 74.5K views
  45. 45 4:06 L05.5 Uniform Random Variables MIT OpenCourseWare · 58.1K views
  46. 46 6:08 L05.6 Binomial Random Variables MIT OpenCourseWare · 50.3K views
  47. 47 7:37 L05.7 Geometric Random Variables MIT OpenCourseWare · 55.9K views
  48. 48 10:38 L05.8 Expectation MIT OpenCourseWare · 73.7K views
  49. 49 4:12 L05.9 Elementary Properties of Expectation MIT OpenCourseWare · 43.8K views
  50. 50 10:00 L05.10 The Expected Value Rule MIT OpenCourseWare · 45.7K views
  51. 51 3:59 L05.11 Linearity of Expectations MIT OpenCourseWare · 53.7K views
  52. 52 8:08 S05.1 Supplement: Functions MIT OpenCourseWare · 27.8K views
  53. 53 2:02 L06.1 Lecture Overview MIT OpenCourseWare · 32.5K views
  54. 54 10:43 L06.2 Variance MIT OpenCourseWare · 47.8K views
  55. 55 8:40 L06.3 The Variance of the Bernoulli & The Uniform MIT OpenCourseWare · 39.4K views
  56. 56 7:31 L06.4 Conditional PMFs & Expectations Given an Event MIT OpenCourseWare · 41.1K views
  57. 57 6:28 L06.5 Total Expectation Theorem MIT OpenCourseWare · 59.7K views
  58. 58 10:29 L06.6 Geometric PMF Memorylessness & Expectation MIT OpenCourseWare · 45.4K views
  59. 59 10:16 L06.7 Joint PMFs and the Expected Value Rule MIT OpenCourseWare · 113.4K views
  60. 60 8:25 L06.8 Linearity of Expectations & The Mean of the Binomial MIT OpenCourseWare · 34.6K views
  61. 61 1:50 L07.1 Lecture Overview MIT OpenCourseWare · 24.7K views
  62. 62 10:48 L07.2 Conditional PMFs MIT OpenCourseWare · 56.5K views
  63. 63 6:10 L07.3 Conditional Expectation & the Total Expectation Theorem MIT OpenCourseWare · 36.5K views
  64. 64 5:08 L07.4 Independence of Random Variables MIT OpenCourseWare · 64.7K views
  65. 65 4:44 L07.5 Example MIT OpenCourseWare · 24.7K views
  66. 66 4:22 L07.6 Independence & Expectations MIT OpenCourseWare · 23.5K views
  67. 67 7:09 L07.7 Independence, Variances & the Binomial Variance MIT OpenCourseWare · 22.7K views
  68. 68 16:09 L07.8 The Hat Problem MIT OpenCourseWare · 56.8K views
  69. 69 11:13 S07.1 The Inclusion-Exclusion Formula MIT OpenCourseWare · 30.4K views
  70. 70 5:42 S07.2 The Variance of the Geometric MIT OpenCourseWare · 21.5K views
  71. 71 6:51 S07.3 Independence of Random Variables Versus Independence of Events MIT OpenCourseWare · 17.2K views
  72. 72 1:13 L08.1 Lecture Overview MIT OpenCourseWare · 23.5K views
  73. 73 11:09 L08.2 Probability Density Functions MIT OpenCourseWare · 92.7K views
  74. 74 2:52 L08.3 Uniform & Piecewise Constant PDFs MIT OpenCourseWare · 27.9K views
  75. 75 6:57 L08.4 Means & Variances MIT OpenCourseWare · 28.4K views
  76. 76 3:56 L08.5 Mean & Variance of the Uniform MIT OpenCourseWare · 23.6K views
  77. 77 8:09 L08.6 Exponential Random Variables MIT OpenCourseWare · 66.1K views
  78. 78 12:48 L08.7 Cumulative Distribution Functions MIT OpenCourseWare · 98.7K views
  79. 79 9:14 L08.8 Normal Random Variables MIT OpenCourseWare · 62.6K views
  80. 80 10:11 L08.9 Calculation of Normal Probabilities MIT OpenCourseWare · 31.3K views
  81. 81 1:33 L09.1 Lecture Overview MIT OpenCourseWare · 21.1K views
  82. 82 9:56 L09.2 Conditioning A Continuous Random Variable on an Event MIT OpenCourseWare · 34.4K views
  83. 83 3:08 L09.3 Conditioning Example MIT OpenCourseWare · 18.7K views
  84. 84 8:18 L09.4 Memorylessness of the Exponential PDF MIT OpenCourseWare · 60K views
  85. 85 6:51 L09.5 Total Probability & Expectation Theorems MIT OpenCourseWare · 22.1K views
  86. 86 5:35 L09.6 Mixed Random Variables MIT OpenCourseWare · 40.9K views
  87. 87 9:18 L09.7 Joint PDFs MIT OpenCourseWare · 76.8K views
  88. 88 7:23 L09.8 From The Joint to the Marginal MIT OpenCourseWare · 41.3K views
  89. 89 1:40 L09.9 Continuous Analogs of Various Properties MIT OpenCourseWare · 16.2K views
  90. 90 4:16 L09.10 Joint CDFs MIT OpenCourseWare · 49K views
  91. 91 16:12 S09.1 Buffon’s Needle & Monte Carlo Simulation MIT OpenCourseWare · 46.3K views
  92. 92 1:42 L10.1 Lecture Overview MIT OpenCourseWare · 15.8K views
  93. 93 6:57 L10.2 Conditional PDFs MIT OpenCourseWare · 33.6K views
  94. 94 4:34 L10.3 Comments on Conditional PDFs MIT OpenCourseWare · 17.5K views
  95. 95 5:17 L10.4 Total Probability & Total Expectation Theorems MIT OpenCourseWare · 18.1K views
  96. 96 3:35 L10.5 Independence MIT OpenCourseWare · 13.5K views
  97. 97 10:02 L10.6 Stick-Breaking Example MIT OpenCourseWare · 24.7K views
  98. 98 5:36 L10.7 Independent Normals MIT OpenCourseWare · 12.9K views
  99. 99 3:27 L10.8 Bayes Rule Variations MIT OpenCourseWare · 14.1K views
  100. 100 8:33 L10.9 Mixed Bayes Rule MIT OpenCourseWare · 14.4K views
  101. 101 9:15 L10.10 Detection of a Binary Signal MIT OpenCourseWare · 18.5K views
  102. 102 6:00 L10.11 Inference of the Bias of a Coin MIT OpenCourseWare · 11.8K views
  103. 103 1:52 L11.1 Lecture Overview MIT OpenCourseWare · 14.6K views
  104. 104 6:42 L11.2 The PMF of a Function of a Discrete Random Variable MIT OpenCourseWare · 20.3K views
  105. 105 11:18 L11.3 A Linear Function of a Continuous Random Variable MIT OpenCourseWare · 19.6K views
  106. 106 2:45 L11.4 A Linear Function of a Normal Random Variable MIT OpenCourseWare · 18.2K views
  107. 107 9:47 L11.5 The PDF of a General Function MIT OpenCourseWare · 19.2K views
  108. 108 11:07 L11.6 The Monotonic Case MIT OpenCourseWare · 15.5K views
  109. 109 5:28 L11.7 The Intuition for the Monotonic Case MIT OpenCourseWare · 10.3K views
  110. 110 7:14 L11.8 A Nonmonotonic Example MIT OpenCourseWare · 14.3K views
  111. 111 7:42 L11.9 The PDF of a Function of Multiple Random Variables MIT OpenCourseWare · 52.1K views
  112. 112 12:35 S11.1 Simulation MIT OpenCourseWare · 13.6K views
  113. 113 1:29 L12.1 Lecture Overview MIT OpenCourseWare · 14.2K views
  114. 114 7:52 L12.2 The Sum of Independent Discrete Random Variables MIT OpenCourseWare · 82.1K views
  115. 115 6:45 L12.3 The Sum of Independent Continuous Random Variables MIT OpenCourseWare · 73K views
  116. 116 3:10 L12.4 The Sum of Independent Normal Random Variables MIT OpenCourseWare · 50.4K views
  117. 117 5:54 L12.5 Covariance MIT OpenCourseWare · 38.7K views
  118. 118 5:48 L12.6 Covariance Properties MIT OpenCourseWare · 61.2K views
  119. 119 5:36 L12.7 The Variance of the Sum of Random Variables MIT OpenCourseWare · 51.7K views
  120. 120 7:03 L12.8 The Correlation Coefficient MIT OpenCourseWare · 24.6K views
  121. 121 3:52 L12.9 Proof of Key Properties of the Correlation Coefficient MIT OpenCourseWare · 30K views
  122. 122 5:50 L12.10 Interpreting the Correlation Coefficient MIT OpenCourseWare · 15.3K views
  123. 123 6:22 L12.11 Correlations Matter MIT OpenCourseWare · 12K views
  124. 124 1:47 L13.1 Lecture Overview MIT OpenCourseWare · 13.1K views
  125. 125 4:31 L13.2 Conditional Expectation as a Random Variable MIT OpenCourseWare · 84.8K views
  126. 126 3:58 L13.3 The Law of Iterated Expectations MIT OpenCourseWare · 74.7K views
  127. 127 3:53 L13.4 Stick-Breaking Revisited MIT OpenCourseWare · 16.2K views
  128. 128 4:38 L13.5 Forecast Revisions MIT OpenCourseWare · 11.3K views
  129. 129 5:02 L13.6 The Conditional Variance MIT OpenCourseWare · 43.5K views
  130. 130 4:54 L13.7 Derivation of the Law of Total Variance MIT OpenCourseWare · 37.5K views
  131. 131 6:29 L13.8 A Simple Example MIT OpenCourseWare · 14.5K views
  132. 132 9:04 L13.9 Section Means and Variances MIT OpenCourseWare · 10.4K views
  133. 133 6:26 L13.10 Mean of the Sum of a Random Number of Random Variables MIT OpenCourseWare · 16.1K views
  134. 134 5:10 L13.11 Variance of the Sum of a Random Number of Random Variables MIT OpenCourseWare · 12.9K views
  135. 135 8:13 S13.1 Conditional Expectation Properties MIT OpenCourseWare · 27.3K views
  136. 136 2:10 L14.1 Lecture Overview MIT OpenCourseWare · 15.9K views
  137. 137 5:17 L14.2 Overview of Some Application Domains MIT OpenCourseWare · 11.9K views
  138. 138 5:24 L14.3 Types of Inference Problems MIT OpenCourseWare · 13.7K views
  139. 139 9:48 L14.4 The Bayesian Inference Framework MIT OpenCourseWare · 89.9K views
  140. 140 6:46 L14.5 Discrete Parameter, Discrete Observation MIT OpenCourseWare · 18.2K views
  141. 141 4:35 L14.6 Discrete Parameter, Continuous Observation MIT OpenCourseWare · 12.4K views
  142. 142 3:46 L14.7 Continuous Parameter, Continuous Observation MIT OpenCourseWare · 10.6K views
  143. 143 7:35 L14.8 Inferring the Unknown Bias of a Coin and the Beta Distribution MIT OpenCourseWare · 15.1K views
  144. 144 9:30 L14.9 Inferring the Unknown Bias of a Coin – Point Estimates MIT OpenCourseWare · 11.5K views
  145. 145 5:41 L14.10 Summary MIT OpenCourseWare · 7.9K views
  146. 146 10:24 S14.1 The Beta Formula MIT OpenCourseWare · 9.3K views
  147. 147 1:59 L15.1 Lecture Overview MIT OpenCourseWare · 10.3K views
  148. 148 7:15 L15.2 Recognizing Normal PDFs MIT OpenCourseWare · 9.8K views
  149. 149 8:18 L15.3 Estimating a Normal Random Variable in the Presence of Additive Noise MIT OpenCourseWare · 11.3K views
  150. 150 13:47 L15.4 The Case of Multiple Observations MIT OpenCourseWare · 9.6K views
  151. 151 13:02 L15.5 The Mean Squared Error MIT OpenCourseWare · 13.8K views
  152. 152 10:32 L15.6 Multiple Parameters; Trajectory Estimation MIT OpenCourseWare · 7.9K views
  153. 153 5:12 L15.7 Linear Normal Models MIT OpenCourseWare · 6.7K views
  154. 154 10:55 L15.8 Trajectory Estimation Illustration MIT OpenCourseWare · 7.1K views
  155. 155 1:13 L16.1 Lecture Overview MIT OpenCourseWare · 9.3K views
  156. 156 6:48 L16.2 LMS Estimation in the Absence of Observations MIT OpenCourseWare · 9.1K views
  157. 157 9:24 L16.3 LMS Estimation of One Random Variable Based on Another MIT OpenCourseWare · 8.7K views
  158. 158 4:32 L16.4 LMS Performance Evaluation MIT OpenCourseWare · 6.2K views
  159. 159 6:31 L16.5 Example: The LMS Estimate MIT OpenCourseWare · 9.9K views
  160. 160 5:29 L16.6 Example Continued: LMS Performance Evaluation MIT OpenCourseWare · 5.9K views
  161. 161 5:24 L16.7 LMS Estimation with Multiple Observations or Unknowns MIT OpenCourseWare · 5.8K views
  162. 162 5:59 L16.8 Properties of the LMS Estimation Error MIT OpenCourseWare · 5.7K views
  163. 163 1:41 L17.1 Lecture Overview MIT OpenCourseWare · 7.4K views
  164. 164 4:58 L17.2 LLMS Formulation MIT OpenCourseWare · 6.8K views
  165. 165 5:06 L17.3 Solution to the LLMS Problem MIT OpenCourseWare · 5.3K views
  166. 166 8:02 L17.4 Remarks on the LLMS Solution and on the Error Variance MIT OpenCourseWare · 4.8K views
  167. 167 6:43 L17.5 LLMS Example MIT OpenCourseWare · 4.8K views
  168. 168 11:29 L17.6 LLMS for Inferring the Parameter of a Coin MIT OpenCourseWare · 4.7K views
  169. 169 6:54 L17.7 LLMS with Multiple Observations MIT OpenCourseWare · 4.1K views
  170. 170 5:06 L17.8 The Simplest LLMS Example with Multiple Observations MIT OpenCourseWare · 4.1K views
  171. 171 7:03 L17.9 The Representation of the Data Matters in LLMS MIT OpenCourseWare · 3.9K views
  172. 172 1:57 L18.1 Lecture Overview MIT OpenCourseWare · 15K views
  173. 173 10:21 L18.2 The Markov Inequality MIT OpenCourseWare · 111K views
  174. 174 5:57 L18.3 The Chebyshev Inequality MIT OpenCourseWare · 189.6K views
  175. 175 7:31 L18.4 The Weak Law of Large Numbers MIT OpenCourseWare · 130.7K views
  176. 176 8:12 L18.5 Polling MIT OpenCourseWare · 20.3K views
  177. 177 8:28 L18.6 Convergence in Probability MIT OpenCourseWare · 101.5K views
  178. 178 8:05 L18.7 Convergence in Probability Examples MIT OpenCourseWare · 61.5K views
  179. 179 6:44 L18.8 Related Topics MIT OpenCourseWare · 15.8K views
  180. 180 10:13 S18.1 Convergence in Probability of the Sum of Two Random Variables MIT OpenCourseWare · 17.8K views
  181. 181 12:19 S18.2 Jensen’s Inequality MIT OpenCourseWare · 64K views
  182. 182 18:28 S18.3 Hoeffding’s Inequality MIT OpenCourseWare · 44.2K views
  183. 183 1:50 L19.1 Lecture Overview MIT OpenCourseWare · 12.8K views
  184. 184 6:58 L19.2 The Central Limit Theorem MIT OpenCourseWare · 66.6K views
  185. 185 9:00 L19.3 Discussion of the CLT MIT OpenCourseWare · 26.5K views
  186. 186 2:54 L19.4 Illustration of the CLT MIT OpenCourseWare · 14.3K views
  187. 187 13:56 L19.5 CLT Examples MIT OpenCourseWare · 23.7K views
  188. 188 11:53 L19.6 Normal Approximation to the Binomial MIT OpenCourseWare · 14.7K views
  189. 189 13:54 L19.7 Polling Revisited MIT OpenCourseWare · 8.9K views
  190. 190 2:46 L20.1 Lecture Overview MIT OpenCourseWare · 11.9K views
  191. 191 11:00 L20.2 Overview of the Classical Statistical Framework MIT OpenCourseWare · 12.7K views
  192. 192 4:58 L20.3 The Sample Mean and Some Terminology MIT OpenCourseWare · 15K views
  193. 193 6:53 L20.4 On the Mean Squared Error of an Estimator MIT OpenCourseWare · 52.4K views
  194. 194 5:04 L20.5 Confidence Intervals MIT OpenCourseWare · 16.8K views
  195. 195 4:27 L20.6 Confidence Intervals for the Estimation of the Mean MIT OpenCourseWare · 13.9K views
  196. 196 6:13 L20.7 Confidence Intervals for the Mean, When the Variance is Unknown MIT OpenCourseWare · 13.1K views
  197. 197 4:37 L20.8 Other Natural Estimators MIT OpenCourseWare · 7.5K views
  198. 198 6:32 L20.9 Maximum Likelihood Estimation MIT OpenCourseWare · 24.6K views
  199. 199 10:20 L20.10 Maximum Likelihood Estimation Examples MIT OpenCourseWare · 240.6K views
  200. 200 2:01 L21.1 Lecture Overview MIT OpenCourseWare · 16.5K views