Dependent and independent variablesDependent and independent variables are variables in mathematical modeling, statistical modeling and experimental sciences. Dependent variables are studied under the supposition or demand that they depend, by some law or rule (e.g., by a mathematical function), on the values of other variables. Independent variables, in turn, are not seen as depending on any other variable in the scope of the experiment in question. In this sense, some common independent variables are time, space, density, mass, fluid flow rate, and previous values of some observed value of interest (e.
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.
Changement de variable (simplification algébrique)Le changement de variables est un procédé mathématique qui consiste à remplacer une variable ou même une fonction par une autre fonction de celle-ci ou d'un autre paramètre. Ce procédé est un des outils principaux pour la simplification de formules algébriques ou, plus généralement, d'équations. Par exemple, c'est par un changement de variable qu'on peut obtenir l'équation de Weierstrass d'une courbe elliptique. On peut aussi appliquer ce procédé pour simplifier le calcul d'une somme ou d'un produit (par exemple, pour permettre le regroupement de termes similaires).
Méthode des variables instrumentalesEn statistique et en économétrie, la méthode des variables instrumentales est une méthode permettant d'identifier et d'estimer des relations causales entre des variables. Cette méthode est très souvent utilisée en économétrie. Le modèle de régression linéaire simple fait l'hypothèse que les variables explicatives sont statistiquement indépendantes du terme d'erreur. Par exemple, si on pose le modèle avec x la variable explicative et u le terme d'erreur, on suppose généralement que x est exogène, c'est-à-dire que .
Omitted-variable biasIn statistics, omitted-variable bias (OVB) occurs when a statistical model leaves out one or more relevant variables. The bias results in the model attributing the effect of the missing variables to those that were included. More specifically, OVB is the bias that appears in the estimates of parameters in a regression analysis, when the assumed specification is incorrect in that it omits an independent variable that is a determinant of the dependent variable and correlated with one or more of the included independent variables.
Théorème des fonctions implicitesEn mathématiques, le théorème des fonctions implicites est un résultat de géométrie différentielle. Certaines courbes planes sont définies par une équation cartésienne, c'est-à-dire une équation de la forme f(x, y) = 0, où x et y décrivent les nombres réels. Le théorème indique que si la fonction f est suffisamment régulière au voisinage d'un point de la courbe, il existe une fonction φ de R dans R au moins aussi régulière que f telle que localement, la courbe et le graphe de la fonction φ sont confondus.
Fonction impliciteEn mathématiques, une équation entre différentes variables où une variable n'est pas explicitée en fonction des autres est appelée une équation implicite. Une fonction implicite est une fonction qui se déduit implicitement d'une telle équation. Plus précisément si f est une fonction de E × F dans G, où E, F et G sont des espaces vectoriels normés ou plus simplement des intervalles de R, l'équation f(x,y) = 0 définit une fonction implicite si l'on peut exprimer une des variables en fonction de l'autre pour tous les couples (x,y) vérifiant l'équation.
Matrice jacobienneEn analyse vectorielle, la matrice jacobienne est la matrice des dérivées partielles du premier ordre d'une fonction vectorielle en un point donné. Son nom vient du mathématicien Charles Jacobi. Le déterminant de cette matrice, appelé jacobien, joue un rôle important pour l'intégration par changement de variable et dans la résolution de problèmes non linéaires. Soit F une fonction d'un ouvert de R à valeurs dans R. Une telle fonction est définie par ses m fonctions composantes à valeurs réelles : .
Théorème d'inversion localeEn mathématiques, le théorème d'inversion locale est un résultat de calcul différentiel. Il indique que si une fonction f est continûment différentiable en un point, si sa différentielle en ce point est inversible alors, localement, f est inversible et son inverse est différentiable. Ce théorème est équivalent à celui des fonctions implicites, son usage est largement répandu. On le trouve par exemple utilisé, sous une forme ou une autre, dans certaines démonstrations des propriétés du multiplicateur de Lagrange.
Matrice hessienneEn mathématiques, la matrice hessienne (ou simplement le hessien ou la hessienne) d'une fonction numérique est la matrice carrée, notée , de ses dérivées partielles secondes. Etant donnée une fonction à valeurs réelles dont toutes les dérivées partielles secondes existent, le coefficient d'indice de la matrice hessienne vaut . Autrement dit, On appelle discriminant hessien (ou simplement hessien) le déterminant de cette matrice. Le terme « hessien » a été introduit par James Joseph Sylvester, en hommage au mathématicien allemand Ludwig Otto Hesse.
