Séance de cours

Exemple d'estimation : Estimation des moindres carrés

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

ENV-548: Sensor orientation

Determination of spatial orientation (i.e. position, velocity, attitude) via integration of inertial sensors with satellite positioning. Prerequisite for applications related to remote sensing, environmental monitoring, mobile mapping, robotics, space expl ...

Description

Cette séance de cours couvre le concept d'estimation la moins carrée, y compris des sujets tels que la propagation de la covariance, les opérations matricielles et les calculs d'erreurs. Il s'inscrit également dans l'application de ces concepts dans des scénarios réels, fournissant une compréhension complète des méthodes d'estimation.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Jan Skaloud

Expertise Satellite positioning, inertial and integrated navigation Sensor orientation and calibration, attitude determination Mobile mapping, airborne laser scanning Adjustment methods, Kalman Filtering Mission Teaching in 3 EPFL sections and 2 faculties, director of ESO lab. Books / Monographs J. Skaloud and M. Cramer, «Data Capture,» in GIS Handbook, W. Kresse and D. Danko, Eds. Springer, 2011. D. Lichti and J. Skaloud, «Registration and Calibration,» in Airborne and terrestrial laser scanning, H.-G. Ma

Source officielle

Proximité ontologique

Statistique

Analyse des données: Régression (statistiques)

Concepts associés (32)

Matrice (mathématiques)

thumb|upright=1.5 En mathématiques, les matrices sont des tableaux d'éléments (nombres, caractères) qui servent à interpréter en termes calculatoires, et donc opérationnels, les résultats théoriques de l'algèbre linéaire et même de l'algèbre bilinéaire. Toutes les disciplines étudiant des phénomènes linéaires utilisent les matrices. Quant aux phénomènes non linéaires, on en donne souvent des approximations linéaires, comme en optique géométrique avec les approximations de Gauss.

Produit matriciel

Le produit matriciel désigne la multiplication de matrices, initialement appelé la « composition des tableaux ». Il s'agit de la façon la plus fréquente de multiplier des matrices entre elles. En algèbre linéaire, une matrice A de dimensions m lignes et n colonnes (matrice m×n) représente une application linéaire ƒ d'un espace de dimension n vers un espace de dimension m. Une matrice colonne V de n lignes est une matrice n×1, et représente un vecteur v d'un espace vectoriel de dimension n. Le produit A×V représente ƒ(v).

Linear least squares

Linear least squares (LLS) is the least squares approximation of linear functions to data. It is a set of formulations for solving statistical problems involved in linear regression, including variants for ordinary (unweighted), weighted, and generalized (correlated) residuals. Numerical methods for linear least squares include inverting the matrix of the normal equations and orthogonal decomposition methods. The three main linear least squares formulations are: Ordinary least squares (OLS) is the most common estimator.

Méthode des moindres carrés ordinaire

vignette|Graphique d'une régression linéaire La méthode des moindres carrés ordinaire (MCO) est le nom technique de la régression mathématique en statistiques, et plus particulièrement de la régression linéaire. Il s'agit d'un modèle couramment utilisé en économétrie. Il s'agit d'ajuster un nuage de points selon une relation linéaire, prenant la forme de la relation matricielle , où est un terme d'erreur.

Generalized least squares

In statistics, generalized least squares (GLS) is a method used to estimate the unknown parameters in a linear regression model when there is a certain degree of correlation between the residuals in the regression model. Least squares and weighted least squares may need to be more statistically efficient and prevent misleading inferences. GLS was first described by Alexander Aitken in 1935. In standard linear regression models one observes data on n statistical units.

Afficher plus

Séances de cours associées (64)

Technique de preuve pour le modèle Spiked

Couvre une technique d'épreuve pour le modèle huppé à l'aide de calculs matriciaux et d'évolution de l'état.

Algèbre linéaire de base

Couvre les concepts fondamentaux de l'algèbre linéaire, y compris les équations linéaires, les opérations matricielles, les déterminants et les espaces vectoriels.

Équations linéaires : Solution des moindres carrés MOOC: Algèbre Linéaire (Partie 3)

Explique comment résoudre les équations linéaires en utilisant la méthode des moindres carrés pour minimiser les erreurs dans le système.

Solution des moindres carrés à Ax=b

Couvre la solution des moindres carrés de l'équation Ax=b, en se concentrant sur l'équation normale et son application.

Estimation linéaire et prévision : modèles et méthodes

Explore l'estimation linéaire et la prédiction dans les modèles paramétriques AR, en se concentrant sur les équations Yule Walker et le filtre Wiener.

Afficher plus

Concepts associés (32)

Matrice (mathématiques)

Produit matriciel

Linear least squares

Méthode des moindres carrés ordinaire

Generalized least squares

Afficher plus