[PS] Start notes & remarks update

semester4/ps/ps-jh/parts/06_estimators/02_max-likelihood.tex

@@ -30,7 +30,7 @@ Einfacher: Statt maximieren, Nullstellen von Ableitung nach $\vartheta$.
 % TODO: Maybe remark from slide 356 (= p33 in 7)
 
 \shortexample \bi{Verteilungen}\\
-\fbox{\bi{Bernoulli}} $\cX_i \sim \text{Ber}(p)$ i.i.d, hier $\vartheta = p$. Dabei:
+\highlight{Bernoulli} $\cX_i \sim \text{Ber}(p)$ i.i.d, hier $\vartheta = p$. Dabei:
 $p_\cX(x; \vartheta) = \P_\vartheta[\cX = x] = \vartheta^x (1 - \vartheta)^{1 - x}$ mit $x \in \{0, 1\}$. LH-Func:
 \[
     L(x_1, \ldots, x_n; \vartheta) = \vartheta^{\sum_{k = 1}^{n} x_k} (1 - \vartheta)^{n - \sum_{k = 1}^{n} x_k}

semester4/ps/ps-jh/parts/06_estimators/03_properties.tex

@@ -21,7 +21,7 @@ $\chi^2_2 = \text{Exp}(\frac{1}{2})$
 \]
 
 \shortremark $\cX \sim \cN(0, 1)$, $\cY \sim \chi^2_m$ unabh., dann: $\frac{\cX}{\sqrt{\frac{1}{m} \cY}} \sim t_m$
-Mit $m = 1$ Cauchy-V. mit $m \rightarrow \8$ asympt. $\cN(0, 1)$. $t_m$ symm. um $0$ wie $\cN(0, 1)$, aber \bi{langschänziger}
+Mit $m = 1$ Cauchy-V. mit $m \rightarrow \8$ asympt. $\cN(0, 1)$. $t_m$ symm. um $0$ wie $\cN(0, 1)$, aber \bi{langschwänziger}
 
 \shorttheorem Für $\cX_k \sim \cN(\mu, \sigma^2)$ i.i.d. und
 \[