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.
Semiparametric modelIn statistics, a semiparametric model is a statistical model that has parametric and nonparametric components. A statistical model is a parameterized family of distributions: indexed by a parameter . A parametric model is a model in which the indexing parameter is a vector in -dimensional Euclidean space, for some nonnegative integer . Thus, is finite-dimensional, and . With a nonparametric model, the set of possible values of the parameter is a subset of some space , which is not necessarily finite-dimensional.
Multivariate t-distributionIn statistics, the multivariate t-distribution (or multivariate Student distribution) is a multivariate probability distribution. It is a generalization to random vectors of the Student's t-distribution, which is a distribution applicable to univariate random variables. While the case of a random matrix could be treated within this structure, the matrix t-distribution is distinct and makes particular use of the matrix structure.
Bessel's correctionIn statistics, Bessel's correction is the use of n − 1 instead of n in the formula for the sample variance and sample standard deviation, where n is the number of observations in a sample. This method corrects the bias in the estimation of the population variance. It also partially corrects the bias in the estimation of the population standard deviation. However, the correction often increases the mean squared error in these estimations. This technique is named after Friedrich Bessel.
RaretéLa rareté (du latin : raritas) exprime la difficulté de trouver une chose particulière, du fait qu'elle se manifeste d'une manière peu fréquente ou qu'elle existe en faibles quantités ou sous forme d'exemplaires en nombre limité. La notion abstraite de "rareté" , traduite sur un plan concret, donne lieu à qualification toujours relative : le qualificatif doit s'appliquer à un élément spécifique : une maladie rare, des plantes rares... l'objet qualifié doit correspondre à un besoin et donc faire l'objet d'une demande ou d'un désir.
Artificial scarcityArtificial scarcity is scarcity of items despite the technology for production or the sufficient capacity for sharing. The most common causes are monopoly pricing structures, such as those enabled by laws that restrict competition or by high fixed costs in a particular marketplace. The inefficiency associated with artificial scarcity is formally known as a deadweight loss. In a capitalist system, an enterprise is judged to be successful and efficient if it is profitable.
