Mécanique analytiqueLa mécanique analytique est une formulation de la mécanique classique basée sur le calcul variationnel. La mécanique analytique s'est avérée un outil très important en physique théorique. En particulier, la mécanique quantique emprunte énormément au formalisme de la mécanique analytique. Contrairement à la mécanique d'Isaac Newton qui s'appuie sur le concept de point matériel, la mécanique analytique se penche sur les systèmes arbitrairement complexes, et étudie l'évolution de leurs degrés de libertés dans ce qu'on appelle un espace de configuration.
Numerical modeling (geology)In geology, numerical modeling is a widely applied technique to tackle complex geological problems by computational simulation of geological scenarios. Numerical modeling uses mathematical models to describe the physical conditions of geological scenarios using numbers and equations. Nevertheless, some of their equations are difficult to solve directly, such as partial differential equations. With numerical models, geologists can use methods, such as finite difference methods, to approximate the solutions of these equations.
Dispersion (mécanique ondulatoire)vignette|Dispersion de la lumière blanche au passage d'un dioptre. En mécanique ondulatoire, la dispersion est le phénomène affectant une onde se propageant dans un milieu dit « dispersif », c'est-à-dire dans lequel les différentes longueurs d’onde constituant l'onde ne se propagent pas à la même vitesse. On rencontre ce phénomène pour tous types d'ondes, comme la lumière, le son et les ondes mécaniques (vagues, séismes, etc.). À l'exception du vide, tous les milieux sont dispersifs à des degrés divers.
Processus stochastiqueUn processus ou processus aléatoire (voir Calcul stochastique) ou fonction aléatoire (voir Probabilité) représente une évolution, discrète ou à temps continu, d'une variable aléatoire. Celle-ci intervient dans le calcul classique des probabilités, où elle mesure chaque résultat possible (ou réalisation) d'une épreuve. Cette notion se généralise à plusieurs dimensions. Un cas particulier important, le champ aléatoire de Markov, est utilisé en analyse spatiale.
Hurst exponentThe Hurst exponent is used as a measure of long-term memory of time series. It relates to the autocorrelations of the time series, and the rate at which these decrease as the lag between pairs of values increases. Studies involving the Hurst exponent were originally developed in hydrology for the practical matter of determining optimum dam sizing for the Nile river's volatile rain and drought conditions that had been observed over a long period of time.
Index of dispersionIn probability theory and statistics, the index of dispersion, dispersion index, coefficient of dispersion, relative variance, or variance-to-mean ratio (VMR), like the coefficient of variation, is a normalized measure of the dispersion of a probability distribution: it is a measure used to quantify whether a set of observed occurrences are clustered or dispersed compared to a standard statistical model.
Théorie ergodiquevignette|Flux d'un ensemble statistique dans le potentiel x6 + 4*x3 - 5x**2 - 4x. Sur de longues périodes, il devient tourbillonnant et semble devenir une distribution lisse et stable. Cependant, cette stabilité est un artefact de la pixellisation (la structure réelle est trop fine pour être perçue). Cette animation est inspirée d'une discussion de Gibbs dans son wikisource de 1902 : Elementary Principles in Statistical Mechanics, Chapter XII, p. 143 : « Tendance d'un ensemble de systèmes isolés vers un état d'équilibre statistique ».
Unbiased estimation of standard deviationIn statistics and in particular statistical theory, unbiased estimation of a standard deviation is the calculation from a statistical sample of an estimated value of the standard deviation (a measure of statistical dispersion) of a population of values, in such a way that the expected value of the calculation equals the true value. Except in some important situations, outlined later, the task has little relevance to applications of statistics since its need is avoided by standard procedures, such as the use of significance tests and confidence intervals, or by using Bayesian analysis.
Coefficient de variationvignette|CV (coefficient de variation) = l'écart-type sur la moyenne En théorie des probabilités et statistiques, le coefficient de variation également nommé écart type relatif, est une mesure de dispersion relative. Le RSD (relative standard deviation en anglais) est défini comme la valeur absolue du coefficient de variation et est souvent exprimé en pourcentage. Le coefficient de variation est défini comme le rapport entre l'écart-type et la moyenne : L'écart-type seul ne permet le plus souvent pas de juger de la dispersion des valeurs autour de la moyenne.
Matrice aléatoireEn théorie des probabilités et en physique mathématique, une matrice aléatoire est une matrice dont les éléments sont des variables aléatoires. La théorie des matrices aléatoires a pour objectif de comprendre certaines propriétés de ces matrices, comme leur norme d'opérateur, leurs valeurs propres ou leurs valeurs singulières. Face à la complexité croissante des spectres nucléaires observés expérimentalement dans les années 1950, Wigner a suggéré de remplacer l'opérateur hamiltonien du noyau par une matrice aléatoire.
Échelle de Richtervignette|droite|Représentation d'une onde sismique. Historiquement, l'échelle de Richter a été l'une des premières tentatives d'évaluer numériquement l'intensité des tremblements de terre, grâce à la magnitude de Richter qui mesure l'énergie sismique radiée (énergie des ondes sismiques) lors du séisme. Imprécise et dépassée, elle a depuis été remplacée par des échelles plus précises permettant de mesurer la magnitude des séismes. L'éponyme de l’échelle de Richter est le sismologue américain Charles Francis Richter (-) qui l'a proposée en .
Calcul numérique d'une intégraleEn analyse numérique, il existe une vaste famille d’algorithmes dont le but principal est d’estimer la valeur numérique de l’intégrale définie sur un domaine particulier pour une fonction donnée (par exemple l’intégrale d’une fonction d’une variable sur un intervalle). Ces techniques procèdent en trois phases distinctes : Décomposition du domaine en morceaux (un intervalle en sous-intervalles contigus) ; Intégration approchée de la fonction sur chaque morceau ; Sommation des résultats numériques ainsi obtenus.
