Central momentIn probability theory and statistics, a central moment is a moment of a probability distribution of a random variable about the random variable's mean; that is, it is the expected value of a specified integer power of the deviation of the random variable from the mean. The various moments form one set of values by which the properties of a probability distribution can be usefully characterized.
Loi uniforme continueEn théorie des probabilités et en statistiques, les lois uniformes continues forment une famille de lois de probabilité à densité. Une telle loi est caractérisée par la propriété suivante : tous les intervalles de même longueur inclus dans le support de la loi ont la même probabilité. Cela se traduit par le fait que la densité de probabilité d'une loi uniforme continue est constante sur son support. Elles constituent donc une généralisation de la notion d'équiprobabilité dans le cas continu pour des variables aléatoires à densité ; le cas discret étant couvert par les lois uniformes discrètes.
Suite de polynômesEn mathématiques, une suite de polynômes est une suite de polynômes indexée par les entiers positifs 0, 1, 2, 3, ..., dans laquelle chaque indice est souvent égal au degré du polynôme correspondant. Diverses suites de polynômes spéciaux sont nommées ; parmi celles-ci se trouvent : Monômes Factorielles croissantes Factorielles décroissantes Polynômes d'Abel Polynômes de Bateman (ou de Bateman-Pasternack) Polynômes de Bell Polynômes de Bernoulli Polynômes cyclotomiques Polynômes de Fibonacci Polynômes de Jaco
Nombre de BellEn mathématiques, le n-ième nombre de Bell (du nom de Eric Temple Bell) est le nombre de partitions d'un ensemble à n éléments distincts ou, ce qui revient au même, le nombre de relations d'équivalence sur un tel ensemble. Ces nombres forment la suite d'entiers de l'OEIS, dont on peut calculer à la main les premiers termes :Le premier vaut 1 car il existe exactement une partition de l'ensemble vide : la partition vide, formée d'aucune partie. En effet, ses éléments (puisqu'il n'y en a aucun) sont bien non vides et disjoints deux à deux, et de réunion vide.
Variance (mathématiques)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.
Fonction génératrice des probabilitésEn mathématiques, et plus particulièrement en théorie des probabilités, la fonction génératrice des probabilités (ou fonction génératrice des moments factoriels) d'une variable aléatoire (à valeurs dans les entiers naturels) est la série entière associée à la fonction de masse de cette variable aléatoire. La fonction génératrice des probabilités est utile car elle permet de caractériser entièrement la fonction de masse. La fonction génératrice des probabilités est usuellement identifiée à sa somme.
Loi géométriqueEn théorie des probabilités et en statistique, la loi géométrique désigne, selon la convention choisie, l'une des deux lois de probabilité suivantes : la loi du nombre X d'épreuves de Bernoulli indépendantes de probabilité de succès p ∈ ]0,1[ (ou q = 1 – p d'échec) nécessaire pour obtenir le premier succès. X est la variable aléatoire donnant le rang du premier succès. Le support de la loi est alors {1, 2, 3, ...}. La loi du nombre Y = X – 1 d'échecs avant le premier succès. Le support de la loi est alors {0, 1, 2, 3, .
Loi du χ² non centréeEn théorie des probabilités et en statistique, la loi du χ non centrée est une loi de probabilité qui généralise la loi du χ2. Cette loi apparait lors de tests statistiques, par exemple pour le maximum de vraisemblance. Soit X, k variables aléatoires indépendantes de loi normale de moyennes et variances . Alors la variable aléatoire suit une loi du χ non centrée. Elle dépend de deux paramètres : k qui spécifie le nombre de degrés de liberté (c'est-à-dire le nombre de X), et λ qui est en lien avec la moyenne des variables X par la formule : est parfois appelé le paramètre de décentralisation.
Index of dispersionIn probability theory and statistics, the index of dispersion, dispersion index, coefficient of dispersion, relative variance, or variance-to-mean ratio (VMR), like the coefficient of variation, is a normalized measure of the dispersion of a probability distribution: it is a measure used to quantify whether a set of observed occurrences are clustered or dispersed compared to a standard statistical model.
Polynôme de BellEn mathématiques, et plus précisément en combinatoire, un polynôme de Bell, nommé ainsi d'après le mathématicien Eric Temple Bell, est défini par: où la somme porte sur toutes les suites j1, j2, j3, ..., jn−k+1 d'entiers naturels telles que : et La somme est parfois appelée n-ème polynôme de Bell complet, et alors les polynômes B définis ci-dessus sont appelés des polynômes de Bell « partiels ». Les polynômes de Bell complets B peuvent être exprimés par le déterminant d’une matrice : avec δ le symbole de Kronecker.
