Chromatographie en phase gazeuseLa chromatographie en phase gazeuse (CPG) est une technique de chromatographie qui permet de séparer des molécules d'un mélange gazeux, éventuellement très complexe, de natures très diverses. Elle s'applique principalement aux composés gazeux ou susceptibles d'être vaporisés par chauffage sans décomposition. Elle est de plus en plus utilisée dans les principaux domaines de la chimie, ainsi qu'en parfumerie et en œnologie.
Densité spectrale de puissanceOn définit la densité spectrale de puissance (DSP en abrégé, Power Spectral Density ou PSD en anglais) comme étant le carré du module de la transformée de Fourier, divisé par le temps d'intégration, (ou, plus rigoureusement, la limite quand tend vers l'infini de l'espérance mathématique du carré du module de la transformée de Fourier du signal - on parle alors de densité spectrale de puissance moyenne).
Least-squares spectral analysisLeast-squares spectral analysis (LSSA) is a method of estimating a frequency spectrum based on a least-squares fit of sinusoids to data samples, similar to Fourier analysis. Fourier analysis, the most used spectral method in science, generally boosts long-periodic noise in the long and gapped records; LSSA mitigates such problems. Unlike in Fourier analysis, data need not be equally spaced to use LSSA.
Théorie de l'état de transitionthumb|Figure 1 : diagramme de réaction pour une réaction de substitution nucléophile bimoléculaire (SN2) entre le bromométhane et l'anion hydroxyde|400px La théorie de l'état de transition (en anglais transition state theory - TST) a pour objectif d'expliquer les cinétiques de réaction pour des réactions chimiques élémentaires. Cette théorie postule l'existence d'un genre spécial d'équilibre chimique, le quasi-équilibre, entre les réactifs et un complexe de transition activé.
Statistical parameterIn statistics, as opposed to its general use in mathematics, a parameter is any measured quantity of a statistical population that summarises or describes an aspect of the population, such as a mean or a standard deviation. If a population exactly follows a known and defined distribution, for example the normal distribution, then a small set of parameters can be measured which completely describes the population, and can be considered to define a probability distribution for the purposes of extracting samples from this population.
Probabilistic classificationIn machine learning, a probabilistic classifier is a classifier that is able to predict, given an observation of an input, a probability distribution over a set of classes, rather than only outputting the most likely class that the observation should belong to. Probabilistic classifiers provide classification that can be useful in its own right or when combining classifiers into ensembles. Formally, an "ordinary" classifier is some rule, or function, that assigns to a sample x a class label ŷ: The samples come from some set X (e.
Réaction d'éliminationEn chimie organique, une élimination (ou β-élimination) est une réaction organique qui transforme un alcane substitué (halogénoalcanes, alcools...) en dérivé éthylénique, voire en alcène, si la molécule de départ, outre le groupe partant, n'est qu'une chaîne carbonée de type alcane. Les conditions sont, en plus dures, celles d'une substitution nucléophile, réaction proche par de nombreux aspects et concurrente : l'élimination se produit en présence d'une base forte et en chauffant le mélange réactionnel.
Platt scalingIn machine learning, Platt scaling or Platt calibration is a way of transforming the outputs of a classification model into a probability distribution over classes. The method was invented by John Platt in the context of support vector machines, replacing an earlier method by Vapnik, but can be applied to other classification models. Platt scaling works by fitting a logistic regression model to a classifier's scores. Consider the problem of binary classification: for inputs x, we want to determine whether they belong to one of two classes, arbitrarily labeled +1 and −1.
Maximum spacing estimationIn statistics, maximum spacing estimation (MSE or MSP), or maximum product of spacing estimation (MPS), is a method for estimating the parameters of a univariate statistical model. The method requires maximization of the geometric mean of spacings in the data, which are the differences between the values of the cumulative distribution function at neighbouring data points.
Intégration (mathématiques)En mathématiques, l'intégration ou calcul intégral est l'une des deux branches du calcul infinitésimal, l'autre étant le calcul différentiel. Les intégrales sont utilisées dans de multiples disciplines scientifiques notamment en physique pour des opérations de mesure de grandeurs (longueur d'une courbe, aire, volume, flux) ou en probabilités. Ses utilités pluridisciplinaires en font un outil scientifique fondamental. C'est la raison pour laquelle l'intégration est souvent abordée dès l'enseignement secondaire.
