Alpha Ursae MinorisAlpha Ursae Minoris (α Ursae Minoris / α UMi, selon la désignation de Bayer) est l’étoile la plus brillante de la constellation de la Petite Ourse. Elle est connue pour correspondre avec une bonne précision à la direction du pôle nord céleste, ce qui lui vaut l’appellation commune d’Étoile polaire ou plus simplement de Polaire. Sa distance angulaire au pôle céleste est aujourd’hui d'environ 0°45'. Du fait de cette propriété cruciale pour le repérage, en particulier dans le contexte de la navigation, toutes les civilisations ou presque lui ont donné un nom traditionnel.
Intérêt (finance)En finance, l'intérêt est la rémunération d'un prêt, sous forme généralement d'un versement périodique de l'emprunteur au prêteur. Pour le prêteur, c'est le prix de sa renonciation temporaire à la liquidité. Pour l'emprunteur, c'est un coût correspondant à une utilisation anticipée. Une épargne rémunérée par un intérêt est assimilable à un prêt fait à un emprunteur, comme une banque ou l'organisme bénéficiaire de cette épargne. Taux d'intérêt L'intérêt est proportionnel au capital et croît avec le temps couru.
Equity premium puzzleThe equity premium puzzle refers to the inability of an important class of economic models to explain the average equity risk premium (ERP) provided by a diversified portfolio of U.S. equities over that of U.S. Treasury Bills, which has been observed for more than 100 years. There is a significant disparity between returns produced by stocks compared to returns produced by government treasury bills. The equity premium puzzle addresses the difficulty in understanding and explaining this disparity.
Lasso (statistiques)En statistiques, le lasso est une méthode de contraction des coefficients de la régression développée par Robert Tibshirani dans un article publié en 1996 intitulé Regression shrinkage and selection via the lasso. Le nom est un acronyme anglais : Least Absolute Shrinkage and Selection Operator. Bien que cette méthode fut utilisée à l'origine pour des modèles utilisant l'estimateur usuel des moindres carrés, la pénalisation lasso s'étend facilement à de nombreux modèles statistiques tels que les modèles linéaires généralisés, les modèles à risque proportionnel, et les M-estimateurs.
Étoile doubleEn astronomie observationnelle, une étoile double est une paire d'étoiles qui apparaissent comme proches l'une de l'autre dans le ciel, lorsqu'on les observe depuis la Terre, à travers un télescope optique. Ceci peut se produire : parce que la paire forme un système binaire d'étoiles en orbites mutuelles (i.e.
ConsommationLa consommation caractérise l'acte d'un agent économique (le consommateur) qui utilise (consommation finale) ou transforme (consommation intermédiaire) des biens et services. Cette utilisation ou transformation provoque la destruction immédiate (biens non durables) ou progressive (biens durables) des éléments consommés. D'un point de vue général, la consommation (destructrice de valeur) s'oppose à la production (créatrice de valeur).
Sélection de caractéristiqueLa sélection de caractéristique (ou sélection d'attribut ou de variable) est un processus utilisé en apprentissage automatique et en traitement de données. Il consiste, étant donné des données dans un espace de grande dimension, à trouver un sous-sensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. C'est une méthode de réduction de la dimensionnalité. Extraction de caractéristique Catégorie:Apprentissage
Consumption functionIn economics, the consumption function describes a relationship between consumption and disposable income. The concept is believed to have been introduced into macroeconomics by John Maynard Keynes in 1936, who used it to develop the notion of a government spending multiplier. Its simplest form is the linear consumption function used frequently in simple Keynesian models: where is the autonomous consumption that is independent of disposable income; in other words, consumption when disposable income is zero.
Intérêts composésUn capital est placé à intérêts composés lorsque les intérêts de chaque période sont incorporés au capital pour l'augmenter progressivement et porter intérêts à leur tour. C'est une notion antagoniste à celle d'intérêts simples, où les intérêts ne sont pas réinvestis pour devenir à leur tour porteurs d'intérêts. Pour calculer des intérêts composés annuellement, il faut utiliser une suite géométrique, dont la formule est : où est la valeur finale, la valeur initiale, le taux d'intérêt sur une période, et le nombre de périodes (d'années, semestres, trimestres, etc.
Risk neutral preferencesIn economics and finance, risk neutral preferences are preferences that are neither risk averse nor risk seeking. A risk neutral party's decisions are not affected by the degree of uncertainty in a set of outcomes, so a risk neutral party is indifferent between choices with equal expected payoffs even if one choice is riskier. In the context of the theory of the firm, a risk neutral firm facing risk about the market price of its product, and caring only about profit, would maximize the expected value of its profit (with respect to its choices of labor input usage, output produced, etc.
Regularized least squaresRegularized least squares (RLS) is a family of methods for solving the least-squares problem while using regularization to further constrain the resulting solution. RLS is used for two main reasons. The first comes up when the number of variables in the linear system exceeds the number of observations. In such settings, the ordinary least-squares problem is ill-posed and is therefore impossible to fit because the associated optimization problem has infinitely many solutions.
Elastic net regularizationIn statistics and, in particular, in the fitting of linear or logistic regression models, the elastic net is a regularized regression method that linearly combines the L1 and L2 penalties of the lasso and ridge methods. The elastic net method overcomes the limitations of the LASSO (least absolute shrinkage and selection operator) method which uses a penalty function based on Use of this penalty function has several limitations. For example, in the "large p, small n" case (high-dimensional data with few examples), the LASSO selects at most n variables before it saturates.
