Concept

Karl Pearson

Karl Pearson (–), mathématicien britannique, est un des fondateurs de la statistique moderne appliquée à la biomédecine (biométrie et biostatistique). Il est principalement connu pour avoir développé le coefficient de corrélation et le test du χ2. Il est aussi l'un des fondateurs de la revue Biometrika, dont il a été rédacteur en chef pendant 36 ans et qu'il a hissée au rang des meilleures revues de statistique mathématique. Né le de Fanny Smith et William Pearson, tous deux issus de familles quakers du Yorkshire, Karl Pearson a deux frères et une sœur. Sa mère est issue d'une famille de marins et son père est avocat à Édimbourg. Il reçoit une éducation privée jusqu'à l'âge de neuf ans puis à lUniversity College School jusqu'à l'âge de seize ans. Il doit cependant quitter cette école en raison de problèmes de santé. Un tuteur privé est alors engagé et, en 1875, il est reçu second à l'examen de Cambridge pour les bourses d'études. Il entre donc au King's College de Cambridge pour étudier les mathématiques. Il y a pour maîtres Stokes, Maxwell, Cayley et Burnside. Il gardera toujours de très bons souvenirs de ces années d'études, et se classe 3 wrangler au tripos de mathématiques ; toutefois, Pearson n'a jamais apprécié l'autorité et cela devient évident durant ses années à Cambridge : les lectures religieuses et les offices sont, à cette époque, obligatoires, ce qu'il déteste. Aussi combat-il cette obligation avec l'aide de son père jusqu'au jour où c'est volontairement qu'il se rend à la chapelle. Il est diplômé de l'université de Cambridge en 1879. Il passe ensuite une partie de 1879 et 1880 à étudier la littérature allemande médiévale et le à l'université de Berlin et de Heidelberg. Il devint suffisamment savant dans ce domaine pour qu'un poste lui soit offert au département des études germaniques de l'université de Cambridge. Il écrit sur les jeux de la passion, la religion, Goethe, Werther, aussi bien que sur des thèmes relatifs au sexe. Il entame alors des études de droit en 1882, suivant l'exemple de son père, mais n'est jamais appelé à exercer dans ce domaine.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Cours associés (6)
MGT-581: Introduction to econometrics
The course provides an introduction to econometrics. The objective is to learn how to make valid (i.e., causal) inference from economic and social data. It explains the main estimators and present met
FIN-403: Econometrics
The course covers basic econometric models and methods that are routinely applied to obtain inference results in economic and financial applications.
ME-419: Production management
Production management deals with producing goods sustainably at the right time, quantity, and quality with the minimum cost. This course equips students with practical skills and tools for effectively
Afficher plus
Séances de cours associées (22)
Gestion des données : problèmes et distributions
Couvre les problèmes de données courants et les distributions importantes, ainsi que l'analyse des corrélations et des dépendances.
Intervalles de confiance et tests d'hypothèse
Couvre les intervalles de confiance, les tests d'hypothèse, les erreurs standard, les modèles statistiques, la probabilité, l'inférence bayésienne, la courbe ROC, la statistique Pearson, la bonté des tests d'ajustement et la puissance des tests.
Essais statistiques: Valeurs Wald et p
Explore des tests statistiques comme le test Wald et les valeurs p, en mettant l'accent sur leur calcul et leur interprétation.
Afficher plus
Publications associées (17)

Development of a Robotic Microsurgeon for Embryonic Research

Ece Özelçi

Understanding how biological matter takes its shape is instrumental to biology, bioengineering, medicine, and bioinspired engineering. Gaining information on the principles of morphogenesis could enable clinicians to correct developmental abnormalities, ev ...
EPFL2023

Deep learning parametric response mapping from inspiratory chest CT scans: a new approach for small airway disease screening

Jiancheng Yang, Zhiye Wang, Jun Lu, Zhigang Li, Lin Qi, Ming Li, Bo Du, Yuxuan Sun, Ziyi Liu

Objectives Parametric response mapping (PRM) enables the evaluation of small airway disease (SAD) at the voxel level, but requires both inspiratory and expiratory chest CT scans. We hypothesize that deep learning PRM from inspiratory chest CT scans can eff ...
London2023

Machine Learning for Musculoskeletal Modeling of Upper Extremity

Rahul Sharma

We propose a novel machine learning (ML)-driven methodology to estimate biomechanical variables of interest traditionally obtained from upper-extremity musculoskeletal (MSK) modeling. MSK models facilitate personalized modeling, perform "what-if" analyses, ...
IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC2022
Afficher plus
Concepts associés (16)
Pearson correlation coefficient
In statistics, the Pearson correlation coefficient (PCC) is a correlation coefficient that measures linear correlation between two sets of data. It is the ratio between the covariance of two variables and the product of their standard deviations; thus, it is essentially a normalized measurement of the covariance, such that the result always has a value between −1 and 1. As with covariance itself, the measure can only reflect a linear correlation of variables, and ignores many other types of relationships or correlations.
Test du χ² de Pearson
En statistique, le test du χ2 de Pearson ou test du χ2 d'indépendance est un test statistique qui s'applique sur des données catégorielles pour évaluer la probabilité de retrouver la différence de répartition observée entre les catégories si celles-ci étaient indépendantes dans le processus de répartition sous-jacent. Il convient aux données non-appariées prises sur de grands échantillons (n>30). Il est le test du χ2 le plus communément utilisé (comparativement aux autres tests du χ2 tels que le test du χ2 de Yates, le test du rapport de vraisemblance ou le test du porte-manteau.
Moment (probabilités)
En théorie des probabilités et en statistique, les moments d’une variable aléatoire réelle sont des indicateurs de la dispersion de cette variable. Le premier moment ordinaire, appelé moment d'ordre 1 est l'espérance (i.e la moyenne) de cette variable. Le deuxième moment centré d'ordre 2 est la variance. Ainsi, l'écart type est la racine carrée du moment centré d’ordre 2. Le moment d'ordre 3 est l'asymétrie. Le moment d'ordre 4 est le kurtosis. Le concept de moment est proche du concept de moment en physique.
Afficher plus