Une fonction poids est un outil mathématique pour le calcul de sommes, d'intégrales ou de moyennes dans lesquelles certains éléments auront plus d'importance ou d'influence que d'autres sur le même ensemble. On parle alors pour le résultat de somme pondérée ou de moyenne pondérée. Les fonctions poids sont couramment utilisées en statistique et en analyse, et peuvent être rapprochées du concept de mesure. Le concept a été étendu pour développer le « calcul différentiel pondéré » et le « méta-calcul différentiel ».
Dans un cas discret, une fonction poids est une fonction positive définie sur un ensemble discret A, généralement fini ou dénombrable. La fonction poids correspond au cas sans poids ou uniforme où tous les éléments ont le même poids.
Si la fonction est à valeurs réelles, alors la somme non pondérée de f sur A se calcule de façon naturelle par :
mais avec une fonction poids , la somme pondérée ou est donnée par :
On trouve des applications de sommes pondérées dans les méthodes d'intégration numérique.
Si B est un sous-ensemble fini de A, on peut remplacer la cardinalité non pondérée |B| de B par la cardinalité pondérée
Si A est un ensemble fini non vide, on peut remplacer la moyenne
par la moyenne pondérée
Dans ce cas seul, les poids « relatifs » sont importants.
Les moyennes pondérées sont utilisées en statistique pour compenser les biais. Pour une quantité f mesurée plusieurs fois de façon indépendante f et de variance , le meilleur estimateur est donné en moyennant les mesures par le poids , et la variance résultante est plus petite que chacune des mesures . La méthode du maximum de vraisemblance pondère la différence entre données et estimation en utilisant le même poids w.
La valeur attendue d'une variable aléatoire est la moyenne pondérée de toutes les valeurs possibles qu'elle peut prendre, avec un poids correspondant à sa probabilité. Plus généralement, la valeur attendue d'une fonction d'une variable aléatoire est la moyenne pondérée par leur probabilité des valeurs que la fonction prend pour chaque valeur possible de la variable aléatoire.
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.
This course covers recent methodology for causal inference in settings with time-varying exposures (longitudinal data) and causally connected units (interference). We will consider theory for identifi
This course introduces the principles of model identification for non-linear dynamic systems, and provides a set of possible solution methods that are thoroughly characterized in terms of modelling as
Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practi
En statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
La moyenne pondérée est la moyenne d'un certain nombre de valeurs affectées de coefficients. En statistiques, considérant un ensemble de données et les coefficients, ou poids, correspondants, de somme non nulle, la moyenne pondérée est calculée suivant la formule : quotient de la somme pondérée des par la somme des poids soit Il s'agit donc du barycentre du système . Lorsque tous les poids sont égaux, la moyenne pondérée est identique à la moyenne arithmétique.
vignette|Exemple d'échantillons pour deux populations ayant la même moyenne mais des variances différentes. La population en rouge a une moyenne de 100 et une variance de 100 (écart-type = SD = standard deviation = 10). La population en bleu a une moyenne de 100 et une variance de (écart-type = SD = 50). En statistique et en théorie des probabilités, la variance est une mesure de la dispersion des valeurs d'un échantillon ou d'une variable aléatoire.
Couvre la régression du noyau et les cartes de caractéristiques pour la séparabilité des données.
Couvre la définition de la distribution gaussienne multivariée et de ses propriétés, y compris la fonction génératrice de moment et les combinaisons linéaires de variables.
Point clouds are effective data structures for the rep- resentation of three-dimensional media and hence adopted in a wide range of practical applications. In many cases, the portrayed data is expected to be visualized by humans. After acquisition, point c ...
An integer linear program is a problem of the form max{c^T x : Ax=b, x >= 0, x integer}, where A is in Z^(n x m), b in Z^m, and c in Z^n.Solving an integer linear program is NP-hard in general, but there are several assumptions for which it becomes fixed p ...
We study the limit behaviour of sequences of non-convex, vectorial, random integral functionals, defined on W1,1, whose integrands are ergodic and satisfy degenerate linear growth conditions. The latter involve suitable random, scale-dependent weight-funct ...