Optimisation multiobjectifL'optimisation multiobjectif (appelée aussi Programmation multi-objective ou optimisation multi-critère) est une branche de l'optimisation mathématique traitant spécifiquement des problèmes d'optimisation ayant plusieurs fonctions objectifs. Elle se distingue de l'optimisation multidisciplinaire par le fait que les objectifs à optimiser portent ici sur un seul problème. Les problèmes multiobjectifs ont un intérêt grandissant dans l'industrie où les responsables sont contraints de tenter d'optimiser des objectifs contradictoires.
Partitionnement de donnéesvignette|upright=1.2|Exemple de clustering hiérarchique. Le partitionnement de données (ou data clustering en anglais) est une méthode en analyse des données. Elle vise à diviser un ensemble de données en différents « paquets » homogènes, en ce sens que les données de chaque sous-ensemble partagent des caractéristiques communes, qui correspondent le plus souvent à des critères de proximité (similarité informatique) que l'on définit en introduisant des mesures et classes de distance entre objets.
Génération (sciences sociales)vignette|redresse|Rupture entre les générations (Oran, Algérie, 2015). La génération est un concept en sciences sociales utilisé en démographie pour désigner une sous-population dont les membres, ayant à peu près le même âge ou ayant vécu à la même époque historique, partagent un certain nombre de pratiques et de représentations du fait de ce même âge ou de cette même appartenance à une époque.
Visualisation de donnéesvignette|upright=2|Carte figurative des pertes successives en hommes de l'armée française dans la campagne de Russie 1812-1813, par Charles Minard, 1869. La visualisation des données (ou dataviz ou représentation graphique de données) est un ensemble de méthodes permettant de résumer de manière graphique des données statistiques qualitatives et surtout quantitatives afin de montrer les liens entre des ensembles de ces données. Cette fait partie de la science des données.
Génération grandioseLa génération grandiose est une appellation désignant les personnes nées aux États-Unis entre 1905 et 1925. Cette expression a été forgée par le journaliste Tom Brokaw pour décrire la génération ayant grandi durant la Grande Dépression aux États-Unis, puis qui a combattu durant la Seconde Guerre mondiale, ainsi que ceux qui ont fourni une contribution matérielle décisive à l'effort de guerre par leur productivité. Tom Brokaw, The Greatest Generation, New York, Random House, 1998, 464 p..
Simple random sampleIn statistics, a simple random sample (or SRS) is a subset of individuals (a sample) chosen from a larger set (a population) in which a subset of individuals are chosen randomly, all with the same probability. It is a process of selecting a sample in a random way. In SRS, each subset of k individuals has the same probability of being chosen for the sample as any other subset of k individuals. A simple random sample is an unbiased sampling technique. Simple random sampling is a basic type of sampling and can be a component of other more complex sampling methods.
Génération silencieuseLe terme génération silencieuse est apparu le en couverture du Time et se réfère aux personnes nées entre le milieu des années 1920 et le début/milieu des années 1940 environ. Cette génération est née entre la Grande Dépression et la Seconde Guerre mondiale. Elle inclut les gens qui ont combattu pendant la Seconde Guerre mondiale et/ou durant la guerre de Corée (pour les États-Unis surtout). Elle est réputée pour avoir travaillé dur et ne pas avoir été revendicative, d'où son nom.
Génération Zvignette|Jeunes manifestants en faveur d'une loi sur le climat, Paris, 9 mai 2021 La génération Z est la génération des personnes nées entre et (bien que les délimitations varient selon les définitions). Elle succède à la génération Y et précède la génération Alpha. Elle est définie comme une génération née alors que les communications numériques étaient déjà bien installées dans la société.
Systematic samplingIn survey methodology, systematic sampling is a statistical method involving the selection of elements from an ordered sampling frame. The most common form of systematic sampling is an equiprobability method. In this approach, progression through the list is treated circularly, with a return to the top once the list ends. The sampling starts by selecting an element from the list at random and then every kth element in the frame is selected, where k, is the sampling interval (sometimes known as the skip): this is calculated as: where n is the sample size, and N is the population size.
Échantillonnage stratifiévignette|Vous prenez un échantillon aléatoire stratifié en divisant d'abord la population en groupes homogènes (semblables en eux-mêmes) (strates) qui sont distincts les uns des autres, c'est-à-dire. Le groupe 1 est différent du groupe 2. Ensuite, choisissez un EAS (échantillon aléatoire simple) distinct dans chaque strate et combinez ces EAS pour former l'échantillon complet. L'échantillonnage aléatoire stratifié est utilisé pour produire des échantillons non biaisés.
Échantillonnage (statistiques)thumb|Exemple d'échantillonnage aléatoire En statistique, l'échantillonnage désigne les méthodes de sélection d'un sous-ensemble d'individus (un échantillon) à l'intérieur d'une population pour estimer les caractéristiques de l'ensemble de la population. Cette méthode présente plusieurs avantages : une étude restreinte sur une partie de la population, un moindre coût, une collecte des données plus rapide que si l'étude avait été réalisé sur l'ensemble de la population, la réalisation de contrôles destructifs Les résultats obtenus constituent un échantillon.
Optimisation (mathématiques)L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.
Génération XLa génération X désigne, selon la classification de William Strauss et Neil Howe, le groupe des Occidentaux nés entre 1965 et 1976. D'autres spécialistes la définissent par la période 1961-1981 ou 1962-1971 (compromis entre les définitions d'Olazabal, 2009 ; Hamel, 2003 et 2009 ; Allain, 2008 ; Foot, 1999 et Coupland, 1991). Cette génération est intercalée entre celle des Babyboomeurs et la génération Y. L'expression « génération X » a d’abord été utilisée en démographie, puis en sociologie et en marketing.
Regroupement hiérarchiqueDans le domaine de l'analyse et de la classification automatique de données, le regroupement hiérarchique est un partitionnement de données ou clustering, au moyen de diverses méthodes, dites « ascendantes » et « descendantes ». Les méthodes dites « descendantes » partent d’une solution générale vers une autre plus spécifique. Les méthodes de cette catégorie démarrent avec une seule classe contenant la totalité puis se divisent à chaque étape selon un critère jusqu’à l’obtention d’un ensemble de classes différentes.
Génération AlphaLa génération Alpha est la cohorte démographique qui succède à la génération Z. Les chercheurs et les médias utilisent la fin (31 décembre) des années 2000 comme année de naissance initiale et le début des années 2020 comme année de naissance finale. Nommée d'après la première lettre de l'alphabet grec, la génération Alpha est la première à être née entièrement au XXIe siècle. La plupart des membres de la génération Alpha sont les enfants des milléniaux.
K-moyennesLe partitionnement en k-moyennes (ou k-means en anglais) est une méthode de partitionnement de données et un problème d'optimisation combinatoire. Étant donnés des points et un entier k, le problème est de diviser les points en k groupes, souvent appelés clusters, de façon à minimiser une certaine fonction. On considère la distance d'un point à la moyenne des points de son cluster ; la fonction à minimiser est la somme des carrés de ces distances.
Coordonnées parallèlesLes coordonnées parallèles sont une technique permettant de visualiser un nombre important d'informations de façon non ambiguë. vignette|Exemple de tracé en coordonnées parallèles Un espace de dimension n est représenté par n axes parallèles sur un plan, chaque axe représentant une dimension. Pour représenter un point de l'espace de dimension n, on place sur les axes parallèles les points d'ordonnée égale à sa coordonnée correspondante . Le point M est alors représenté par la ligne brisée reliant les .
Visualisation scientifiqueLa visualisation scientifique, ou l’usage de graphiques scientifiques, est l'étude et/ou la réalisation de la représentation sous forme graphique de résultats scientifiques. Cette visualisation est donc intimement liée aux sciences et à l'informatique. Il existe une gamme complète de matériels destinés à la visualisation scientifique. Il existe sur le marché des postes personnels de type PC équipé avec une ou plusieurs cartes graphiques permettant de faire de la visualisation scientifique.
Sampling frameIn statistics, a sampling frame is the source material or device from which a sample is drawn. It is a list of all those within a population who can be sampled, and may include individuals, households or institutions. Importance of the sampling frame is stressed by Jessen and Salant and Dillman. In many practical situations the frame is a matter of choice to the survey planner, and sometimes a critical one. [...] Some very worthwhile investigations are not undertaken at all because of the lack of an apparent frame; others, because of faulty frames, have ended in a disaster or in cloud of doubt.
Cluster samplingIn statistics, cluster sampling is a sampling plan used when mutually homogeneous yet internally heterogeneous groupings are evident in a statistical population. It is often used in marketing research. In this sampling plan, the total population is divided into these groups (known as clusters) and a simple random sample of the groups is selected. The elements in each cluster are then sampled. If all elements in each sampled cluster are sampled, then this is referred to as a "one-stage" cluster sampling plan.
