1. Eine Zufallsvariable: Verteilungsfunktion (cdf) und Dichtefunktion (pdf), diskrete Zufallsvariablen, Transformation von Zufallsvariablen, bedingte cdf und pdf, Momente, Charakteristische Funktion, Ungleichungen, bedingte Erwartungswerte, spezielle Verteilungen
2. Zwei Zufallsvariablen: Verbund-cdf und -pdf, diskrete Zufallsvariablen, Transformation von Zufallsvariablen, bedingte cdf und pdf, Momente, Korrelation, Kovarianz, statistische Unabhängigkeit, Orthogonalität und Unkorreliertheit, charakteristische Funktion, bedingte Erwartungswerte, spezielle Verteilungen, komplexe Zufallsvariablen, Zirkularsymmetrie
3. Zufallsvektoren: cdf und pdf, diskrete Zufallsvektoren, Transformation von Zufallsvektoren, bedingte cdf und pdf, Mittelwert, Korrelationsmatrix, Kovarianzmatrix, statistische Unabhängigkeit, Orthogonalität und Unkorreliertheit, charakteristische Funktion, bedingte Erwartungswerte, spezielle Verteilungen, komplexe Zufallsvektoren, Karhunen-Loeve-Zerlegung, Dekorrelationstransformation, Innovationsdarstellung, MMSE-Schätzung, LMMSE-Schätzung (Wiener-Filter), ML-Schätzung
4. Zufallssignale (stochastische Prozesse): pdf, Stationarität, Beschreibung zweiter Ordnung (Mittelwert, Autokorrelationsfunktion), Zyklostationarität, Leistungsdichtespektrum, Kreuzkorrelationsfunktion und Kreuz-Leistungsdichtespektrum, Wirkung linearer Systeme, Zeitmittelwerte und Ergodizität, zeitdiskrete Zufallssignale, spezielle Zufallssignale, komplexe Zufallssignale und Zirkularsymmetrie, Dekorrelationsfilter, Innovationsfilter, Wold-Zerlegung, AR-, MA- und ARMA-Prozesse, LMMSE-Schätzung (Wiener-Filter), lineare Prädiktion