Noyau (statistiques)Un noyau est une fonction de pondération utilisée dans les techniques d'estimation non-paramétrique. Les noyaux interviennent dans l'estimateur par noyau pour estimer la densité de probabilité d'une variable aléatoire, ou encore dans la régression paramétrique (à noyau) pour estimer des espérances conditionnelles. Pour les séries temporelles, le noyau permet d'estimer la densité spectrale. Un noyau est une fonction positive, intégrable et à valeurs réelles, notée K, qui doit vérifier les deux conditions suivantes : normalisation : symétrie : pour toutes les valeurs de u.
Surface (topology)In the part of mathematics referred to as topology, a surface is a two-dimensional manifold. Some surfaces arise as the boundaries of three-dimensional solid figures; for example, the sphere is the boundary of the solid ball. Other surfaces arise as graphs of functions of two variables; see the figure at right. However, surfaces can also be defined abstractly, without reference to any ambient space. For example, the Klein bottle is a surface that cannot be embedded in three-dimensional Euclidean space.
Point estimationIn statistics, point estimation involves the use of sample data to calculate a single value (known as a point estimate since it identifies a point in some parameter space) which is to serve as a "best guess" or "best estimate" of an unknown population parameter (for example, the population mean). More formally, it is the application of a point estimator to the data to obtain a point estimate. Point estimation can be contrasted with interval estimation: such interval estimates are typically either confidence intervals, in the case of frequentist inference, or credible intervals, in the case of Bayesian inference.
Vecteur euclidienEn mathématiques, et plus précisément en géométrie euclidienne, un vecteur euclidien est un objet géométrique possédant une direction, un sens et une norme. On l'utilise par exemple en physique et en ingénierie pour modéliser une force. On parle aussi parfois de vecteur géométrique dans le plan euclidien (deux dimensions) et de vecteur spatial dans l'espace à trois dimensions. Vecteur#HistoireVecteur En physique et en ingénierie, on travaille souvent dans l'espace euclidien.
Demi-plan de PoincaréLe demi-plan de Poincaré est un sous-ensemble des nombres complexes. Il a permis au mathématicien français Henri Poincaré d'éclairer les travaux du Russe Nikolaï Lobatchevski. Le demi-plan de Poincaré est formé par les nombres complexes de partie imaginaire strictement positive. Il fournit un exemple de géométrie non euclidienne, plus précisément de géométrie hyperbolique. On considère le demi-plan supérieur : On munit le demi-plan supérieur de la métrique : Cette métrique possède une courbure scalaire constante négative : On se ramène usuellement au cas d'une courbure unité, c’est-à-dire qu'on choisit : a = 1 pour simplifier les équations.
Maximum a posterioriL'estimateur du maximum a posteriori (MAP), tout comme la méthode du maximum de vraisemblance, est une méthode pouvant être utilisée afin d'estimer un certain nombre de paramètres inconnus, comme les paramètres d'une densité de probabilité, reliés à un échantillon donné. Cette méthode est très liée au maximum de vraisemblance mais en diffère toutefois par la possibilité de prendre en compte un a priori non uniforme sur les paramètres à estimer.
Metric signatureIn mathematics, the signature (v, p, r) of a metric tensor g (or equivalently, a real quadratic form thought of as a real symmetric bilinear form on a finite-dimensional vector space) is the number (counted with multiplicity) of positive, negative and zero eigenvalues of the real symmetric matrix gab of the metric tensor with respect to a basis. In relativistic physics, the v represents the time or virtual dimension, and the p for the space and physical dimension.
Minimum mean square errorIn statistics and signal processing, a minimum mean square error (MMSE) estimator is an estimation method which minimizes the mean square error (MSE), which is a common measure of estimator quality, of the fitted values of a dependent variable. In the Bayesian setting, the term MMSE more specifically refers to estimation with quadratic loss function. In such case, the MMSE estimator is given by the posterior mean of the parameter to be estimated.
Upper half-planeIn mathematics, the upper half-plane, is the set of points in the Cartesian plane with The lower half-plane is defined similarly, by requiring that be negative instead. Each is an example of two-dimensional half-space. The affine transformations of the upper half-plane include shifts , , and dilations , . Proposition: Let and be semicircles in the upper half-plane with centers on the boundary. Then there is an affine mapping that takes to . Proof: First shift the center of to . Then take and dilate.
Métrique de PoincaréEn mathématiques, et plus précisément en géométrie différentielle, la métrique de Poincaré, due à Henri Poincaré, est le tenseur métrique décrivant une surface de courbure négative constante. C'est la métrique naturelle utilisée pour des calculs en géométrie hyperbolique ou sur des surfaces de Riemann.
Plan complexeEn mathématiques, le plan complexe (aussi appelé plan d'Argand, plan d'Argand-Cauchy ou plan d'Argand-Gauss) désigne un plan, muni d'un repère orthonormé, dont chaque point est la représentation graphique d'un nombre complexe unique. Le nombre complexe associé à un point est appelé l'affixe de ce point. Une affixe est constituée d'une partie réelle et d'une partie imaginaire correspondant respectivement à l'abscisse et l'ordonnée du point. On associe en général le plan complexe à un repère orthonormé direct.
Résidu (statistiques)In statistics and optimization, errors and residuals are two closely related and easily confused measures of the deviation of an observed value of an element of a statistical sample from its "true value" (not necessarily observable). The error of an observation is the deviation of the observed value from the true value of a quantity of interest (for example, a population mean). The residual is the difference between the observed value and the estimated value of the quantity of interest (for example, a sample mean).
