Géométrie synthétiqueLa géométrie synthétique ou géométrie pure est fondée sur une approche axiomatique (donc, « purement logique ») de la géométrie. Elle constitue une branche de la géométrie étudiant diverses propriétés et divers théorèmes uniquement par des méthodes d'intersections, de transformations et de constructions. Elle s'oppose à la géométrie analytique et refuse systématiquement l'utilisation des propriétés analytiques des figures ou l'appel aux coordonnées. Ses concepts principaux sont l'intersection, les transformations y compris par polaires réciproques, la logique.
Géométrie algébriqueLa géométrie algébrique est un domaine des mathématiques qui, historiquement, s'est d'abord intéressé à des objets géométriques (courbes, surfaces...) composés des points dont les coordonnées vérifiaient des équations ne faisant intervenir que des sommes et des produits (par exemple le cercle unité dans le plan rapporté à un repère orthonormé admet pour équation ). La simplicité de cette définition fait qu'elle embrasse un grand nombre d'objets et qu'elle permet de développer une théorie riche.
Estimateur (statistique)En statistique, un estimateur est une fonction permettant d'estimer un moment d'une loi de probabilité (comme son espérance ou sa variance). Il peut par exemple servir à estimer certaines caractéristiques d'une population totale à partir de données obtenues sur un échantillon comme lors d'un sondage. La définition et l'utilisation de tels estimateurs constitue la statistique inférentielle. La qualité des estimateurs s'exprime par leur convergence, leur biais, leur efficacité et leur robustesse.
Unbiased estimation of standard deviationIn statistics and in particular statistical theory, unbiased estimation of a standard deviation is the calculation from a statistical sample of an estimated value of the standard deviation (a measure of statistical dispersion) of a population of values, in such a way that the expected value of the calculation equals the true value. Except in some important situations, outlined later, the task has little relevance to applications of statistics since its need is avoided by standard procedures, such as the use of significance tests and confidence intervals, or by using Bayesian analysis.
Rendu non biaisévignette|250px|Exemple de rendu non biaisé utilisant Indigo. Le rendu non biaisé est une technique de rendu photoréaliste, en Infographie, qui n'introduit aucune erreur systématique, ou biais, dans l'approximation du rayonnement. De ce fait, il est souvent utilisé pour générer l'image de référence à laquelle d'autres techniques de rendu sont comparées. Mathématiquement, l'espérance mathématique de l'estimateur non biaisé sera toujours la moyenne de celle de la population, quel que soit le nombre d'observations.
Robustesse (statistiques)En statistiques, la robustesse d'un estimateur est sa capacité à ne pas être perturbé par une modification dans une petite partie des données ou dans les paramètres du modèle choisi pour l'estimation. Ricardo A. Maronna, R. Douglas Martin et Victor J. Yohai; Robust Statistics - Theory and Methods, Wiley Series in Probability and Statistics (2006). Dagnelie P.; Statistique théorique et appliquée. Tome 2 : Inférence statistique à une et à deux dimensions, Paris et Bruxelles (2006), De Boeck et Larcier.
Diffusion ThomsonLa diffusion Thomson est la diffusion d'un photon de faible énergie sur une particule chargée de matière au repos, généralement un électron libre, c'est-à-dire non lié à un atome. La diffusion Thomson est un des deux régimes particuliers de la diffusion Compton plus générale. Cette diffusion a été expliquée par Joseph John Thomson. Cette diffusion (voir Diffusion des particules) s'effectue pour des énergies faibles, le rayonnement électromagnétique est absorbé puis réémis par la particule.
Metropolis light transportMetropolis light transport (MLT) is a global illumination application of a variant of the Monte Carlo method called the Metropolis–Hastings algorithm to the rendering equation for generating images from detailed physical descriptions of three-dimensional scenes. The procedure constructs paths from the eye to a light source using bidirectional path tracing, then constructs slight modifications to the path. Some careful statistical calculation (the Metropolis algorithm) is used to compute the appropriate distribution of brightness over the image.
Robust measures of scaleIn statistics, robust measures of scale are methods that quantify the statistical dispersion in a sample of numerical data while resisting outliers. The most common such robust statistics are the interquartile range (IQR) and the median absolute deviation (MAD). These are contrasted with conventional or non-robust measures of scale, such as sample standard deviation, which are greatly influenced by outliers.
Discrete dipole approximationDiscrete dipole approximation (DDA), also known as coupled dipole approximation, is a method for computing scattering of radiation by particles of arbitrary shape and by periodic structures. Given a target of arbitrary geometry, one seeks to calculate its scattering and absorption properties by an approximation of the continuum target by a finite array of small polarizable dipoles. This technique is used in a variety of applications including nanophotonics, radar scattering, aerosol physics and astrophysics.
