Théorème de Bayesvignette|Théorème de Bayes sur néon bleu, dans les bureaux d’Autonomy à Cambridge. Le théorème de Bayes ( ) est l'un des principaux théorèmes de la théorie des probabilités. Il est aussi utilisé en statistiques du fait de son application, qui permet de déterminer la probabilité qu'un événement arrive à partir d'un autre évènement qui s'est réalisé, notamment quand ces deux évènements sont interdépendants.
Théorie de la décisionLa théorie de la décision est une théorie de mathématiques appliquées ayant pour objet la prise de décision par une entité unique. (Les questions liées à la décision collective relèvent de la théorie du choix social.) La notion de décision intertemporelle découle de la prise en compte du facteur temps dans les problématiques reliant l'offre et la demande, les disponibilités et les contraintes. Ces problématiques sont celles qui découlent des combinaisons possibles entre les disponibilités et les décisions pouvant les impliquer.
Surpoidsvignette|Cette parodie de la Marche du Progrès rappelle qu'en 2000, l'humanité a atteint un point de repère historique. Pour la première fois dans l'évolution humaine, le nombre d'adultes en surcharge pondérale a dépassé celui des personnes dont le poids est insuffisant. Le surpoids est l'état d'un individu présentant un excès de masse graisseuse pour une stature donnée supérieure à la normale mais inférieure à l'obésité. Chez l'humain, le surpoids est défini par l'Organisation mondiale de la santé comme une accumulation anormale ou excessive de graisse qui présente un risque pour la santé.
Variational Bayesian methodsVariational Bayesian methods are a family of techniques for approximating intractable integrals arising in Bayesian inference and machine learning. They are typically used in complex statistical models consisting of observed variables (usually termed "data") as well as unknown parameters and latent variables, with various sorts of relationships among the three types of random variables, as might be described by a graphical model. As typical in Bayesian inference, the parameters and latent variables are grouped together as "unobserved variables".
Crise financière mondiale de 2007-2008La crise financière mondiale de 2007-2008 est une crise financière, marquée par une crise de liquidité et parfois par des crises de solvabilité tant au niveau des banques que des États, et une raréfaction du crédit aux entreprises. Amorcée en , elle trouve son origine dans le dégonflement de bulles de prix (dont la bulle immobilière américaine des années 2000) et les pertes importantes des établissements financiers provoquées par la crise des subprimes.
Junk bondJunk bond, ou « obligation pourrie » en français, est l'appellation familière désignant aux États-Unis les obligations à haut risque, obligations qui sont classées comme spéculatives par les agences de notation, c’est-à-dire celles dont la notation financière est inférieure à linvestment grade : inférieure à Baa3 pour Moody's ; inférieure à BBB- pour Standard & Poor's et Fitch Ratings. Autre désignation correcte de ces obligations : high-yield debt''' (« obligations à haut rendement »).
Crise de la dette dans la zone euroLa crise de la dette dans la zone euro, également appelée crise des dettes souveraines ou encore crise de la dette européenne, désigne une suite d'événements financiers qui affecte, depuis le début de l'année 2010, les économies de 19 États membres de l'Union européenne, dont la monnaie de référence est l'euro, dans le sillage de la crise financière de 2007-2010. Le premier évènement est relevé en 2010, avec la crise de la dette grecque, provoquée par la mise en lumière de celle-ci, ainsi que de son important et constant déficit public.
Crise de la detteUne crise de la dette est une période où un État ne dispose plus des moyens pour rembourser sa dette publique, ou, plus largement, où les créanciers refusent d’accorder de nouveaux prêts au gouvernement. Cette crise peut précéder un défaut de paiement. Un pays dont les recettes publiques sont inférieures aux dépenses publiques génère de la dette pour couvrir ses déficits. Un accroissement de la dette peut déboucher sur une incapacité pour l’État à honorer le service de la dette contractée.
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.
Short-rate modelA short-rate model, in the context of interest rate derivatives, is a mathematical model that describes the future evolution of interest rates by describing the future evolution of the short rate, usually written . Under a short rate model, the stochastic state variable is taken to be the instantaneous spot rate. The short rate, , then, is the (continuously compounded, annualized) interest rate at which an entity can borrow money for an infinitesimally short period of time from time .
Champ aléatoire conditionnelLes champs aléatoires conditionnels (conditional random fields ou CRFs) sont une classe de modèles statistiques utilisés en reconnaissance des formes et plus généralement en apprentissage statistique. Les CRFs permettent de prendre en compte l'interaction de variables « voisines ». Ils sont souvent utilisés pour des données séquentielles (langage naturel, séquences biologiques, vision par ordinateur). Les CRFs sont un exemple de réseau probabiliste non orienté.
Modèle de Markov cachéUn modèle de Markov caché (MMC, terme et définition normalisés par l’ISO/CÉI [ISO/IEC 2382-29:1999]) — (HMM)—, ou plus correctement (mais non employé) automate de Markov à états cachés, est un modèle statistique dans lequel le système modélisé est supposé être un processus markovien de paramètres inconnus. Contrairement à une chaîne de Markov classique, où les transitions prises sont inconnues de l'utilisateur mais où les états d'une exécution sont connus, dans un modèle de Markov caché, les états d'une exécution sont inconnus de l'utilisateur (seuls certains paramètres, comme la température, etc.
