Réseau complexeEn théorie des graphes, un réseau complexe est un réseau possédant une architecture et une topologie complexe et irrégulière. Comme tous les réseaux, ils sont composés de nœuds (ou sommets ou points) représentant des objets, interconnectés par des liens (ou arêtes ou lignes). Ces réseaux sont des représentations abstraites des relations principalement présentes dans la vie réelle dans une grande diversité de systèmes biologiques et technologiques.
Fréquence (statistiques)vignette|Fréquence des traits de kanji En statistique, on appelle fréquence absolue l'effectif des observations d'une classe et fréquence relative ou simplement fréquence, le quotient de cet effectif par celui de la population. L'expression fréquence = valeur n'est jamais ambigüe. Si valeur est un nombre entier positif, il s'agit de la fréquence absolue, c'est-à-dire l'effectif de la classe. Si valeur est un nombre compris entre 0 et 1 ou un pourcentage, il s'agit de la fréquence relative.
Coefficient de clusteringalt=|vignette|Un graphe de fort coefficient de clustering. En théorie des graphes et en analyse des réseaux sociaux, le coefficient de clustering d'un graphe (aussi appelé coefficient d'agglomération, de connexion, de regroupement, d'agrégation ou de transitivité), est une mesure du regroupement des nœuds dans un réseau. Plus précisément, ce coefficient est la probabilité que deux nœuds soient connectés sachant qu'ils ont un voisin en commun.
ÉconométrieL'économétrie est une branche de la science économique qui a pour objectif d'estimer et de tester les modèles économiques. L'économétrie en tant que discipline naît dans les années 1930 avec la création de la société d'économétrie par Irving Fisher et Ragnar Frisch (1930) et la création de la revue Econometrica (1933). Depuis lors, l'économétrie n'a cessé de se développer et de prendre une importance croissante au sein de la science économique. L'économétrie théorique se focalise essentiellement sur deux questions, l'identification et l'estimation statistique.
Corrélation croiséeLa corrélation croisée est parfois utilisée en statistique pour désigner la covariance des vecteurs aléatoires X et Y, afin de distinguer ce concept de la « covariance » d'un vecteur aléatoire, laquelle est comprise comme étant la matrice de covariance des coordonnées du vecteur. En traitement du signal, la corrélation croisée (aussi appelée covariance croisée) est la mesure de la similitude entre deux signaux.
Connexité (mathématiques)La connexité est une notion de topologie qui formalise le concept d'« objet d'un seul tenant ». Un objet est dit connexe s'il est fait d'un seul « morceau ». Dans le cas contraire, chacun des morceaux est une composante connexe de l'objet étudié. Soit un espace topologique E. Les quatre propositions suivantes sont équivalentes : E n'est pas la réunion de deux ouverts non vides disjoints ; E n'est pas la réunion de deux fermés non vides disjoints ; les seuls ouverts-fermés de E sont ∅ et E ; toute application continue de E dans un ensemble à deux éléments muni de la topologie discrète est constante.
Espace localement connexeEn mathématiques, plus précisément en topologie, un espace localement connexe est un espace topologique pouvant être décrit à l’aide de ses ouverts connexes. En topologie, on dit qu’un espace est connexe lorsqu’il est fait « d’une seule pièce ». La question naturelle qui suit est de savoir si tout espace topologique peut être décrit comme la réunion disjointe (dans la catégorie des espaces topologiques) de ses composantes connexes ; en d’autres termes, peut-on considérer que lorsqu’on connait toutes les « pièces » d’un espace topologique, on sait tout de cet espace ? Une condition nécessaire et suffisante pour cela est que toutes les composantes connexes soient ouvertes.
Dirichlet-multinomial distributionIn probability theory and statistics, the Dirichlet-multinomial distribution is a family of discrete multivariate probability distributions on a finite support of non-negative integers. It is also called the Dirichlet compound multinomial distribution (DCM) or multivariate Pólya distribution (after George Pólya). It is a compound probability distribution, where a probability vector p is drawn from a Dirichlet distribution with parameter vector , and an observation drawn from a multinomial distribution with probability vector p and number of trials n.
Champ aléatoire de MarkovUn champ aléatoire de Markov est un ensemble de variables aléatoires vérifiant une propriété de Markov relativement à un graphe non orienté. C'est un modèle graphique. Soit un graphe non orienté et un ensemble de variables aléatoires indexé par les sommets de . On dit que est un champ aléatoire de Markov relativement à si une des trois propriétés suivantes est vérifiée c'est-à-dire que deux variables aléatoires dont les sommets associés ne sont pas voisins dans le graphe sont indépendantes conditionnellement à toutes les autres variables.
Théorème de la boule chevelueEn mathématiques, le théorème de la boule chevelue est un résultat de topologie différentielle. Il s'applique à une sphère supportant en chaque point un vecteur, imaginé comme un cheveu, tangent à la surface. Il affirme que la fonction associant à chaque point de la sphère le vecteur admet au moins un point de discontinuité, ce qui revient à dire que la coiffure contient un épi, ou qu'il y a des cheveux nuls, c'est-à-dire de la calvitie. De manière plus rigoureuse, un champ de vecteurs continu sur une sphère de dimension paire s'annule en au moins un point.
Percolation critical exponentsIn the context of the physical and mathematical theory of percolation, a percolation transition is characterized by a set of universal critical exponents, which describe the fractal properties of the percolating medium at large scales and sufficiently close to the transition. The exponents are universal in the sense that they only depend on the type of percolation model and on the space dimension. They are expected to not depend on microscopic details such as the lattice structure, or whether site or bond percolation is considered.
Spurious relationshipIn statistics, a spurious relationship or spurious correlation is a mathematical relationship in which two or more events or variables are associated but not causally related, due to either coincidence or the presence of a certain third, unseen factor (referred to as a "common response variable", "confounding factor", or "lurking variable"). An example of a spurious relationship can be found in the time-series literature, where a spurious regression is a one that provides misleading statistical evidence of a linear relationship between independent non-stationary variables.
