Pente (mathématiques)En mathématiques, la pente d'une droite, son coefficient angulaire ou encore son coefficient directeur, est un nombre qui permet de décrire à la fois le sens de l'inclinaison de la droite (si la droite monte quand on la parcourt de la gauche vers la droite, le nombre est positif, si la droite descend, le nombre est négatif) et la force de celle-ci (plus le nombre est grand en valeur absolue, plus la pente est forte). En géométrie cartésienne, le coefficient directeur d'une droite, non parallèle au deuxième axe de coordonnées, désigne le coefficient de l'équation de la droite, .
Slope stability analysisSlope stability analysis is a static or dynamic, analytical or empirical method to evaluate the stability of slopes of soil- and rock-fill dams, embankments, excavated slopes, and natural slopes in soil and rock. It is performed to assess the safe design of a human-made or natural slopes (e.g. embankments, road cuts, open-pit mining, excavations, landfills etc.) and the equilibrium conditions. Slope stability is the resistance of inclined surface to failure by sliding or collapsing.
Statistical model validationIn statistics, model validation is the task of evaluating whether a chosen statistical model is appropriate or not. Oftentimes in statistical inference, inferences from models that appear to fit their data may be flukes, resulting in a misunderstanding by researchers of the actual relevance of their model. To combat this, model validation is used to test whether a statistical model can hold up to permutations in the data.
Fixed effects modelIn statistics, a fixed effects model is a statistical model in which the model parameters are fixed or non-random quantities. This is in contrast to random effects models and mixed models in which all or some of the model parameters are random variables. In many applications including econometrics and biostatistics a fixed effects model refers to a regression model in which the group means are fixed (non-random) as opposed to a random effects model in which the group means are a random sample from a population.
Pente (topographie)thumb|Schéma en coupe longitudinale d'un tronçon routier rectiligne :d = distance horizontale Δh = différence de hauteurs, d'altitudes = dénivelé α = inclinaison, angle d'élévation pente = tan(α)=Δh/d l = longueur suivant la pente. thumb|upright|Panneau de signalisation d'une descente routière dangereuse ayant une pente de 10 %. La pente topographique est la tangente de l'inclinaison entre deux points d'un terrain, donc de son angle vis-à-vis de l'horizontale.
Modèle statistiqueUn modèle statistique est une description mathématique approximative du mécanisme qui a généré les observations, que l'on suppose être un processus stochastique et non un processus déterministe. Il s’exprime généralement à l’aide d’une famille de distributions (ensemble de distributions) et d’hypothèses sur les variables aléatoires X1, . . ., Xn. Chaque membre de la famille est une approximation possible de F : l’inférence consiste donc à déterminer le membre qui s’accorde le mieux avec les données.
Probabilitévignette|Quatre dés à six faces de quatre couleurs différentes. Les six faces possibles sont visibles. Le terme probabilité possède plusieurs sens : venu historiquement du latin probabilitas, il désigne l'opposé du concept de certitude ; il est également une évaluation du caractère probable d'un événement, c'est-à-dire qu'une valeur permet de représenter son degré de certitude ; récemment, la probabilité est devenue une science mathématique et est appelée théorie des probabilités ou plus simplement probabilités ; enfin une doctrine porte également le nom de probabilisme.
Conjugate priorIn Bayesian probability theory, if the posterior distribution is in the same probability distribution family as the prior probability distribution , the prior and posterior are then called conjugate distributions, and the prior is called a conjugate prior for the likelihood function . A conjugate prior is an algebraic convenience, giving a closed-form expression for the posterior; otherwise, numerical integration may be necessary. Further, conjugate priors may give intuition by more transparently showing how a likelihood function updates a prior distribution.
Processus ponctuelEn probabilité et statistique, un processus ponctuel est un type particulier de processus stochastique pour lequel une réalisation est un ensemble de points isolés du temps et/ou de l'espace. Par exemple, la position des arbres dans une forêt peut être modélisée comme la réalisation d'un processus ponctuel. Les processus ponctuels sont des objets très étudiés en probabilité et en statistique pour représenter et analyser des données spatialisées qui interviennent dans une multitude de domaines telle que l'écologie, l'astronomie, l'épidémiologie, la géographie, la sismologie, les télécommunications, la science des matériaux et beaucoup d'autres.
Loi normale multidimensionnelleEn théorie des probabilités, on appelle loi normale multidimensionnelle, ou normale multivariée ou loi multinormale ou loi de Gauss à plusieurs variables, la loi de probabilité qui est la généralisation multidimensionnelle de la loi normale. gauche|vignette|Différentes densités de lois normales en un dimension. gauche|vignette|Densité d'une loi gaussienne en 2D. Une loi normale classique est une loi dite « en cloche » en une dimension.
Zone urbainevignette|Répartition mondiale des 400 principales zones urbaines qui rassemblent au moins un million d'habitants en 2006. Une zone urbaine, appelée aussi espace urbain, est un établissement humain à forte densité de population comportant une infrastructure d'environnement bâti. Les zones urbaines sont créées par urbanisation et sont classées par morphologie urbaine en tant que villes, cités, agglomérations ou banlieues.
Errors-in-variables modelsIn statistics, errors-in-variables models or measurement error models are regression models that account for measurement errors in the independent variables. In contrast, standard regression models assume that those regressors have been measured exactly, or observed without error; as such, those models account only for errors in the dependent variables, or responses. In the case when some regressors have been measured with errors, estimation based on the standard assumption leads to inconsistent estimates, meaning that the parameter estimates do not tend to the true values even in very large samples.
