En probabilité et statistique, un processus ponctuel est un type particulier de processus stochastique pour lequel une réalisation est un ensemble de points isolés du temps et/ou de l'espace. Par exemple, la position des arbres dans une forêt peut être modélisée comme la réalisation d'un processus ponctuel.
Les processus ponctuels sont des objets très étudiés en probabilité et en statistique pour représenter et analyser des données spatialisées qui interviennent dans une multitude de domaines telle que l'écologie, l'astronomie, l'épidémiologie, la géographie, la sismologie, les télécommunications, la science des matériaux et beaucoup d'autres.
Le cas particulier des processus ponctuels sur la droite réelle est très étudié, la connaissance de la distance entre deux points consécutifs caractérisant le processus. Ce type de processus ponctuel est très utilisé pour modéliser des événements aléatoires dans le temps, tels que l'arrivée d'un client (), l'impulsion d'un neurone...
En mathématiques, un processus ponctuel est un élément aléatoire dont les valeurs sont des motifs de points, c'est-à-dire des « collections » de points sur un ensemble .
Il est possible de généraliser en définissant un motif de points comme étant une mesure de comptage localement finie.
Soit un espace métrique localement compact équipé de sa tribu borélienne . On note l'ensemble des motifs de points de , c'est-à-dire l'ensemble des sous-ensembles localement finis de . Un élément de sera appelé "configuration" et sera noté .
On munit de la tribu engendrée par les applications de comptage : , où B est un compact de et où désigne le cardinal de l'ensemble fini considéré.
Un processus ponctuel est alors une application mesurable d'un espace de probabilité vers l'espace mesuré .
L'exemple le plus commun d'espace est l'espace euclidien ou un de ses sous-espaces. Mais les processus ponctuels ne sont pas limités à ces exemples.
Un cas particulier des processus ponctuels est celui des processus ponctuels définis sur la droite réelle (ou la demi-droite réelle ).
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.
The goal of this class is to acquire mathematical tools and engineering insight about networks whose structure is random, as well as learning and control techniques applicable to such network data.
In this course we study mathematical models of neurons and neuronal networks in the context of biology and establish links to models of cognition. The focus is on brain dynamics approximated by determ
vignette|Schéma expliquant le processus de Poisson Un processus de Poisson, nommé d'après le mathématicien français Siméon Denis Poisson et la loi du même nom, est un processus de comptage classique dont l'équivalent discret est la somme d'un processus de Bernoulli. C'est le plus simple et le plus utilisé des processus modélisant une . C'est un processus de Markov, et même le plus simple des processus de naissance et de mort (ici un processus de naissance pur).
In mathematics, stochastic geometry is the study of random spatial patterns. At the heart of the subject lies the study of random point patterns. This leads to the theory of spatial point processes, hence notions of Palm conditioning, which extend to the more abstract setting of random measures. There are various models for point processes, typically based on but going beyond the classic homogeneous Poisson point process (the basic model for complete spatial randomness) to find expressive models which allow effective statistical methods.
In probability and statistics, a moment measure is a mathematical quantity, function or, more precisely, measure that is defined in relation to mathematical objects known as point processes, which are types of stochastic processes often used as mathematical models of physical phenomena representable as randomly positioned points in time, space or both. Moment measures generalize the idea of (raw) moments of random variables, hence arise often in the study of point processes and related fields.
Couvre les extrêmes limitent les théorèmes, l'analyse statistique de base et les applications aux extrêmes multivariés, soulignant l'importance de comprendre la distribution des maxima.
This paper introduces a new modeling and inference framework for multivariate and anisotropic point processes. Building on recent innovations in multivariate spatial statistics, we propose a new family of multivariate anisotropic random fields, and from th ...
WILEY2023
Accurate spatiotemporal modeling of conditions leading to moderate and large wildfires provides better understanding of mechanisms driving fire-prone ecosystems and improves risk management. Here, we develop a joint model for the occurrence intensity and t ...
2023
,
We study two-point functions of symmetric traceless local operators in the bulk of de Sitter spacetime. We derive the Kallen-Lehmann spectral decomposition for any spin and show that unitarity implies its spectral densities are nonnegative. In addition, we ...