Mode (statistiques)En statistique, le mode, ou valeur dominante, est la valeur la plus représentée d'une variable quelconque dans une population donnée. Une répartition peut être unimodale ou plurimodale (bimodale, trimodale...), si deux ou plusieurs valeurs de la variable considérée émergent également, voire sans aucun mode (distribution uniforme) si toutes les valeurs de la variable considérée émergent également. Dans le cas d'une répartition en classes d'amplitudes égales, la classe modale désigne celle qui a le plus fort effectif.
Modèle de mélangeIn statistics, a mixture model is a probabilistic model for representing the presence of subpopulations within an overall population, without requiring that an observed data set should identify the sub-population to which an individual observation belongs. Formally a mixture model corresponds to the mixture distribution that represents the probability distribution of observations in the overall population.
Géométrie analytiqueLa géométrie analytique est une approche de la géométrie dans laquelle les objets sont décrits par des équations ou des inéquations à l'aide d'un système de coordonnées. Elle est fondamentale pour la physique et l'infographie. En géométrie analytique, le choix d'un repère est indispensable. Tous les objets seront décrits relativement à ce repère. Repérage dans le plan et dans l'espace Le terme de géométrie analytique, par opposition à la géométrie synthétique, se réfère aux méthodes d'analyse et synthèse pratiquées par les géomètres grecs.
Métrique pseudo-riemannienneEn mathématiques et en physique, une métrique pseudo-riemannienne est une extension de la métrique riemannienne dans laquelle un certain nombre d'axes de l'espace qu'elle décrit ont des normes négatives. Si la métrique pseudo-riemanienne est en réalité un champ tensoriel, et donc varie d'un point à un autre, sa signature (le nombre d'axes dont les normes sont positives et le nombre d'axes dont les normes sont négatives), elle, ne peut jamais changer pour un même espace. Variété pseudo-riemannienne Catégori
Géométrie euclidienneLa géométrie euclidienne commence avec les Éléments d'Euclide, qui est à la fois une somme des connaissances géométriques de l'époque et une tentative de formalisation mathématique de ces connaissances. Les notions de droite, de plan, de longueur, d'aire y sont exposées et forment le support des cours de géométrie élémentaire. La conception de la géométrie est intimement liée à la vision de l'espace physique ambiant au sens classique du terme.
Géométrie hyperboliqueEn mathématiques, la géométrie hyperbolique (nommée auparavant géométrie de Lobatchevski, lequel est le premier à en avoir publié une étude approfondie) est une géométrie non euclidienne vérifiant les quatre premiers postulats d’Euclide, mais pour laquelle le cinquième postulat, qui équivaut à affirmer que par un point extérieur à une droite passe une et une seule droite qui lui est parallèle, est remplacé par le postulat selon lequel « par un point extérieur à une droite passent plusieurs droites parallèle
Tenseur métriqueEn géométrie, et plus particulièrement en géométrie différentielle, le tenseur métrique est un tenseur d'ordre 2 permettant de définir le produit scalaire de deux vecteurs en chaque point d'un espace, et qui est utilisé pour la mesure des longueurs et des angles. Il généralise le théorème de Pythagore. Dans un système de coordonnées donné, le tenseur métrique peut se représenter comme une matrice symétrique, généralement notée , pour ne pas confondre la matrice (en majuscule) et le tenseur métrique g.
Intelligence artificielle générativeL'intelligence artificielle générative ou IA générative (ou GenAI) est un type de système d'intelligence artificielle (IA) capable de générer du texte, des images ou d'autres médias en réponse à des invites (ou "prompts"). Les modèles génératifs apprennent les modèles et la structure des données d'entrée, puis génèrent un nouveau contenu similaire aux données d'apprentissage mais avec un certain degré de nouveauté (plutôt que de simplement classer ou prédire les données).
Fonction gaussiennevignette|Fonction gaussienne pour μ = 0, σ = 1 ; courbe centrée en zéro. Une fonction gaussienne est une fonction en exponentielle de l'opposé du carré de l'abscisse (une fonction en exp(-x)). Elle a une forme caractéristique de courbe en cloche. L'exemple le plus connu est la densité de probabilité de la loi normale où μ est l'espérance mathématique et σ est l'écart type. Les fonctions gaussiennes sont analytiques, de limite nulle en l'infini. La largeur à mi-hauteur H vaut la demi-largeur à mi-hauteur vaut donc environ 1,177·σ.
Discrete-time Fourier transformIn mathematics, the discrete-time Fourier transform (DTFT), also called the finite Fourier transform, is a form of Fourier analysis that is applicable to a sequence of values. The DTFT is often used to analyze samples of a continuous function. The term discrete-time refers to the fact that the transform operates on discrete data, often samples whose interval has units of time. From uniformly spaced samples it produces a function of frequency that is a periodic summation of the continuous Fourier transform of the original continuous function.
Noncentral t-distributionThe noncentral t-distribution generalizes Student's t-distribution using a noncentrality parameter. Whereas the central probability distribution describes how a test statistic t is distributed when the difference tested is null, the noncentral distribution describes how t is distributed when the null is false. This leads to its use in statistics, especially calculating statistical power. The noncentral t-distribution is also known as the singly noncentral t-distribution, and in addition to its primary use in statistical inference, is also used in robust modeling for data.
Discrete time and continuous timeIn mathematical dynamics, discrete time and continuous time are two alternative frameworks within which variables that evolve over time are modeled. Discrete time views values of variables as occurring at distinct, separate "points in time", or equivalently as being unchanged throughout each non-zero region of time ("time period")—that is, time is viewed as a discrete variable. Thus a non-time variable jumps from one value to another as time moves from one time period to the next.
