Lasso (statistiques)En statistiques, le lasso est une méthode de contraction des coefficients de la régression développée par Robert Tibshirani dans un article publié en 1996 intitulé Regression shrinkage and selection via the lasso. Le nom est un acronyme anglais : Least Absolute Shrinkage and Selection Operator. Bien que cette méthode fut utilisée à l'origine pour des modèles utilisant l'estimateur usuel des moindres carrés, la pénalisation lasso s'étend facilement à de nombreux modèles statistiques tels que les modèles linéaires généralisés, les modèles à risque proportionnel, et les M-estimateurs.
Sphère célestevignette|Sphère céleste entourant la Terre. La sphère céleste est une construction géométrique représentant le ciel tel qu'il apparaît à un observateur isolé. Incapable de déterminer les distances qui le séparent des astres, il imagine qu'ils sont situés sur la surface d'une sphère visible : le ciel nocturne. C'est une sphère imaginaire, de rayon arbitraire et dont le centre est l'origine du système de coordonnées célestes de référence considéré.
Signification statistiquevignette|statistique En statistiques, le résultat d'études qui portent sur des échantillons de population est dit statistiquement significatif lorsqu'il semble exprimer de façon fiable un fait auquel on s'intéresse, par exemple la différence entre 2 groupes ou une corrélation entre 2 données. Dit autrement, il est alors très peu probable que ce résultat apparent soit en fait trompeur s'il n'est pas dû, par exemple, à un , trop petit ou autrement non représentatif (surtout si la population est très diverse).
Fractional Fourier transformIn mathematics, in the area of harmonic analysis, the fractional Fourier transform (FRFT) is a family of linear transformations generalizing the Fourier transform. It can be thought of as the Fourier transform to the n-th power, where n need not be an integer — thus, it can transform a function to any intermediate domain between time and frequency. Its applications range from filter design and signal analysis to phase retrieval and pattern recognition.
Correction de BonferroniEn statistiques, la correction de Bonferroni est une méthode pour corriger le seuil de significativité lors de comparaisons multiples. La correction de Bonferroni est la méthode de correction la plus simple, bien qu'elle soit conservatrice étant donné qu'elle présente un risque conséquent d'. En effet, cette méthode ne prend pas en compte quelques informations, comme la distribution des valeurs p des différentes comparaisons.
Generalized least squaresIn statistics, generalized least squares (GLS) is a method used to estimate the unknown parameters in a linear regression model when there is a certain degree of correlation between the residuals in the regression model. Least squares and weighted least squares may need to be more statistically efficient and prevent misleading inferences. GLS was first described by Alexander Aitken in 1935. In standard linear regression models one observes data on n statistical units.
Linear least squaresLinear least squares (LLS) is the least squares approximation of linear functions to data. It is a set of formulations for solving statistical problems involved in linear regression, including variants for ordinary (unweighted), weighted, and generalized (correlated) residuals. Numerical methods for linear least squares include inverting the matrix of the normal equations and orthogonal decomposition methods. The three main linear least squares formulations are: Ordinary least squares (OLS) is the most common estimator.
Residual sum of squaresIn statistics, the residual sum of squares (RSS), also known as the sum of squared residuals (SSR) or the sum of squared estimate of errors (SSE), is the sum of the squares of residuals (deviations predicted from actual empirical values of data). It is a measure of the discrepancy between the data and an estimation model, such as a linear regression. A small RSS indicates a tight fit of the model to the data. It is used as an optimality criterion in parameter selection and model selection.
Joseph FourierJean Baptiste Joseph Fourier est un mathématicien et physicien français né le à Auxerre et mort le à Paris. Joseph Fourier est connu pour avoir déterminé, par le calcul, la diffusion de la chaleur en utilisant la décomposition d'une fonction périodique en une série trigonométrique, qui sous certaines conditions, converge vers la fonction. Ces séries sont utilisées dans la résolution des équations aux dérivées partielles. Veuf en 1757, son père, qui avait déjà trois enfants, se remarie deux ans plus tard avec Edmée Germaine Lebègue.
Multiplicateur de FourierEn théorie de Fourier, un multiplicateur est un type d'opérateur linéaire ou de transformation de fonctions. Ces opérateurs agissent sur une fonction en modifiant sa transformée de Fourier. Plus précisément, ils multiplient la transformée de Fourier d'une fonction par une fonction choisie connue sous le nom de multiplicateur ou symbole. Parfois, le terme opérateur multiplicateur lui-même est simplement abrégé en multiplicateur. En termes simples, le multiplicateur déforme les fréquences impliquées dans toute fonction.
