Statistical assumptionStatistics, like all mathematical disciplines, does not infer valid conclusions from nothing. Inferring interesting conclusions about real statistical populations almost always requires some background assumptions. Those assumptions must be made carefully, because incorrect assumptions can generate wildly inaccurate conclusions. Here are some examples of statistical assumptions: Independence of observations from each other (this assumption is an especially common error). Independence of observational error from potential confounding effects.
OzoneL'ozone (de l'allemand Ozon, dérivé du grec ozô « exhaler une odeur »), ou trioxygène, est une substance de formule chimique : ses molécules sont triatomiques, formées de trois atomes d'oxygène. L'ozone est ainsi une variété allotropique de l'oxygène, mais bien moins stable que le dioxygène , en lequel il tend naturellement à se décomposer. Il se liquéfie à () sous forme d'un liquide bleu foncé et se solidifie à () en un solide pourpre. À température ambiante, c'est un gaz bleu pâle, voire incolore, qui se démarque par son odeur.
Théorie de l'estimationEn statistique, la théorie de l'estimation s'intéresse à l'estimation de paramètres à partir de données empiriques mesurées ayant une composante aléatoire. Les paramètres décrivent un phénomène physique sous-jacent tel que sa valeur affecte la distribution des données mesurées. Un estimateur essaie d'approcher les paramètres inconnus à partir des mesures.
Destruction de la couche d'ozoneLa destruction (ou dégradation) de la couche d'ozone est un amincissement voire une disparition de cette couche qui résulte d'un déséquilibre entre la production et la destruction de l’ozone dans la stratosphère. L'épaisseur de la couche d'ozone est mesurée en unité Dobson (DU), 1 DU correspondant à molécules d'ozone par mètre carré. Elle varie autour du globe en fonction de la latitude et des saisons. La couche est mince au niveau de l’équateur (environ 270 DU) et plus épaisse au niveau des pôles (environ 300 DU), elle est plus mince en automne et plus épaisse au printemps.
Régression linéaireEn 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.