Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Distributions de probabilité : Moments et transformations

Dans cours

ME-467: Turbulence

This course provides an introduction to the physical phenomenon of turbulence, its probabilistic description and modeling approaches including RANS and LES. Students are equipped with the basic knowledge to tackle complex flow problems in science and engin ...

Description

Cette séance de cours couvre le calcul des moments pour une distribution donnée, y compris la moyenne, la variance, l'erreur et la planéité. Il explore également la transformation des distributions de probabilités par des fonctions telles que des fonctions exponentielles et inverses.

Enseignant·e

Tobias Schneider

Tobias Schneider is an assistant professor in the School of Engineering at EPFL, the Swiss Federal Institute of Technology Lausanne. He received his doctoral degree in theoretical physics in 2007 from the University of Marburg in Germany working on the transition to turbulence in pipe flow. He then joined Harvard University as a postdoctoral fellow. In 2012 Tobias Schneider returned to Europe to establish an independent Max-Planck research group at the Max-Planck Institute for Dynamics and Self-Organization in Goettingen. Since 2014, he is working at EPFL, where he teaches fluid mechanics and heads the 'Emergent Complexity in Physical Systems' laboratory. Tobias Schneider's research is focused on nonlinear mechanics with specific emphasis on spatial turbulent-laminar patterns in fluid flows transitioning to turbulence. His lab combines dynamical systems and pattern-formation theory with large-scale computer simulations. Together with his team, Schneider develops computational tools and continuation methods for studying the bifurcation structure of nonlinear differential equations such as those describing the flow of a fluid. These tools are published as open-source software at channelflow.ch. Publications: Google Scholar

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (32)

Moyenne

En mathématiques, la moyenne est un outil de calcul permettant de résumer une liste de valeurs numériques en un seul nombre réel, indépendamment de l’ordre dans lequel la liste est donnée. Par défaut, il s’agit de la moyenne arithmétique, qui se calcule comme la somme des termes de la liste, divisée par le nombre de termes. D’autres moyennes peuvent être plus adaptées selon les contextes. La moyenne est un des premiers indicateurs statistiques pour une série de nombres.

Variable aléatoire à densité

En théorie des probabilités, une variable aléatoire à densité est une variable aléatoire réelle, scalaire ou vectorielle, pour laquelle la probabilité d'appartenance à un domaine se calcule à l'aide d'une intégrale sur ce domaine. La fonction à intégrer est alors appelée « fonction de densité » ou « densité de probabilité », égale (dans le cas réel) à la dérivée de la fonction de répartition. Les densités de probabilité sont les fonctions essentiellement positives et intégrables d'intégrale 1.

Variance (mathématiques)

vignette|Exemple d'échantillons pour deux populations ayant la même moyenne mais des variances différentes. La population en rouge a une moyenne de 100 et une variance de 100 (écart-type = SD = standard deviation = 10). La population en bleu a une moyenne de 100 et une variance de (écart-type = SD = 50). En statistique et en théorie des probabilités, la variance est une mesure de la dispersion des valeurs d'un échantillon ou d'une variable aléatoire.

Moyenne harmonique

La moyenne harmonique H de nombres réels strictement positifs a1, ..., a est définie par : C'est l'inverse de la moyenne arithmétique des inverses des termes. La moyenne harmonique est donc utilisée lorsqu'on veut déterminer un rapport moyen, dans un domaine où il existe des liens de proportionnalité inverses. Dans certains cas, la moyenne harmonique donne la véritable notion de « moyenne ».

Loi de probabilité

thumb|400px 3 répartitions.png En théorie des probabilités et en statistique, une loi de probabilité décrit le comportement aléatoire d'un phénomène dépendant du hasard. L'étude des phénomènes aléatoires a commencé avec l'étude des jeux de hasard. Jeux de dés, tirage de boules dans des urnes et jeu de pile ou face ont été des motivations pour comprendre et prévoir les expériences aléatoires. Ces premières approches sont des phénomènes discrets, c'est-à-dire dont le nombre de résultats possibles est fini ou infini dénombrable.

Afficher plus

Séances de cours associées (39)

Probabilités avancées : Variables aléatoires et valeurs attendues

Explore les probabilités avancées, les variables aléatoires et les valeurs attendues, avec des exemples pratiques et des quiz pour renforcer l'apprentissage.

Probabilités et statistiques: théorèmes et applications clés

Discute des concepts statistiques clés, y compris les dangers d'échantillonnage, les inégalités et le théorème de la limite centrale, avec des exemples pratiques et des applications.

Statistiques : Variables aléatoires et fonctions de densité de probabilité

Introduit des variables aléatoires, des fonctions de densité de probabilité, et la distribution gaussienne dans les statistiques.

Variables aléatoires continues

Explore les variables aléatoires continues, les fonctions de densité, les variables articulaires, l'indépendance et les densités conditionnelles.

Introduction aux variables aléatoires continues : distributions de probabilité

Introduit des variables aléatoires continues et leurs distributions de probabilité, en mettant l'accent sur leurs applications en statistique et en science des données.

Afficher plus

Concepts associés (32)

Moyenne

Variable aléatoire à densité

Variance (mathématiques)

Moyenne harmonique

Loi de probabilité

Afficher plus