Transformation conformeEn mathématiques, et plus précisément en géométrie et en analyse complexe, une transformation conforme est une bijection qui conserve localement les angles, c'est-à-dire qui se comporte au voisinage de chaque point où elle est définie presque comme une similitude. Dans le plan, les transformations conformes qui conservent les angles orientés ont une telle utilité qu'il est fréquent qu'elles soient les seules baptisées du terme de conformes. Elles se confondent alors avec les bijections holomorphes.
Transformation de MöbiusEn mathématiques, et plus particulièrement en géométrie, les transformations de Möbius sont de manière générale des automorphismes du compactifié d'Alexandrov de noté , définies comme la composée d'un nombre fini d'inversions par rapport à des hyperplans ou des hypersphères.
Linear fractional transformationIn mathematics, a linear fractional transformation is, roughly speaking, an invertible transformation of the form The precise definition depends on the nature of a, b, c, d, and z. In other words, a linear fractional transformation is a transformation that is represented by a fraction whose numerator and denominator are linear. In the most basic setting, a, b, c, d, and z are complex numbers (in which case the transformation is also called a Möbius transformation), or more generally elements of a field.
Corrélation (statistiques)En probabilités et en statistique, la corrélation entre plusieurs variables aléatoires ou statistiques est une notion de liaison qui contredit leur indépendance. Cette corrélation est très souvent réduite à la corrélation linéaire entre variables quantitatives, c’est-à-dire l’ajustement d’une variable par rapport à l’autre par une relation affine obtenue par régression linéaire. Pour cela, on calcule un coefficient de corrélation linéaire, quotient de leur covariance par le produit de leurs écarts types.
Pearson correlation coefficientIn 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.
