Calcul stochastiqueLe calcul est l’étude des phénomènes aléatoires dépendant du temps. À ce titre, c'est une extension de la théorie des probabilités. Ne pas confondre avec la technique des calculateurs stochastiques. Le domaine d’application du calcul stochastique comprend la mécanique quantique, le traitement du signal, la chimie, les mathématiques financières, la météorologie et même la musique. Un processus aléatoire est une famille de variables aléatoires indexée par un sous-ensemble de ou , souvent assimilé au temps (voir aussi Processus stochastique).
Geometric Brownian motionA geometric Brownian motion (GBM) (also known as exponential Brownian motion) is a continuous-time stochastic process in which the logarithm of the randomly varying quantity follows a Brownian motion (also called a Wiener process) with drift. It is an important example of stochastic processes satisfying a stochastic differential equation (SDE); in particular, it is used in mathematical finance to model stock prices in the Black–Scholes model.
StochastiqueLe mot stochastique est synonyme d', en référence au hasard et s’oppose par définition au déterminisme. Stochastique est un terme d'origine grecque qui signifie « basé sur la conjecture ». En français, il est couramment utilisé pour décrire des phénomènes aléatoires ou imprévisibles. Dans les mathématiques et la statistique, « stochastique » fait référence à des processus qui sont déterminés par des séquences de mouvements aléatoires. Cela inclut tout ce qui est aléatoire ou imprévisible en fonction des informations actuellement disponibles.
Corps des fractionsEn théorie des anneaux, le corps des fractions d'un anneau intègre A est le plus petit corps commutatif (à isomorphisme près) contenant A. Sa construction est une généralisation à un anneau de la construction du corps des rationnels à partir de l'anneau des entiers relatifs. Appliqué à un anneau de polynômes, il permet la construction de son corps des fractions rationnelles. Cette construction se généralise encore avec le procédé de localisation.
Fraction unitaireUne fraction unitaire est un nombre rationnel écrit sous la forme d'une fraction où le numérateur est 1 et le dénominateur est un entier naturel non nul. Une fraction unitaire est par conséquent l'inverse d'un entier positif, 1/n, comme : 1/1, 1/2, 1/3, 1/42 etc. Multiplier deux fractions unitaires quelconques donne pour résultat une autre fraction unitaire : Par contre, additionner, soustraire, ou diviser deux fractions unitaires produit un résultat qui n'est généralement pas une fraction unitaire : 1/2 + 1/5 = 7/10 1/3 + 1/6 = 1/2 1/2 - 1/5 = 3/10 1/3 - 1/6 = 1/6 Les fractions unitaires jouent un rôle important dans l'arithmétique modulaire, comme elles peuvent être utilisées pour réduire la division modulaire lors du calcul des PGCD.
Analyse de la varianceEn statistique, lanalyse de la variance (terme souvent abrégé par le terme anglais ANOVA : analysis of variance) est un ensemble de modèles statistiques utilisés pour vérifier si les moyennes des groupes proviennent d'une même population. Les groupes correspondent aux modalités d'une variable qualitative (p. ex. variable : traitement; modalités : programme d'entrainement sportif, suppléments alimentaires; placebo) et les moyennes sont calculés à partir d'une variable continue (p. ex. gain musculaire).
Optimal designIn the design of experiments, optimal designs (or optimum designs) are a class of experimental designs that are optimal with respect to some statistical criterion. The creation of this field of statistics has been credited to Danish statistician Kirstine Smith. In the design of experiments for estimating statistical models, optimal designs allow parameters to be estimated without bias and with minimum variance. A non-optimal design requires a greater number of experimental runs to estimate the parameters with the same precision as an optimal design.
Modèle de Markov cachéUn modèle de Markov caché (MMC, terme et définition normalisés par l’ISO/CÉI [ISO/IEC 2382-29:1999]) — (HMM)—, ou plus correctement (mais non employé) automate de Markov à états cachés, est un modèle statistique dans lequel le système modélisé est supposé être un processus markovien de paramètres inconnus. Contrairement à une chaîne de Markov classique, où les transitions prises sont inconnues de l'utilisateur mais où les états d'une exécution sont connus, dans un modèle de Markov caché, les états d'une exécution sont inconnus de l'utilisateur (seuls certains paramètres, comme la température, etc.
Plan d'expériencesOn nomme plan d'expériences (en anglais, design of experiments ou DOE) la suite ordonnée d'essais d'une expérimentation, chacun permettant d'acquérir de nouvelles connaissances en maîtrisant un ou plusieurs paramètres d'entrée pour obtenir des résultats validant un modèle avec une bonne économie de moyens (nombre d'essais le plus faible possible, par exemple). Un exemple classique est le « plan en étoile » où en partant d'un jeu de valeurs choisi pour les paramètres d'un essai central, on complète celui-ci par des essais où chaque fois un seul des facteurs varie « toutes choses égales par ailleurs ».
Efficacité spectraleEn transmissions numériques, l'efficacité spectrale η se définit comme étant le rapport entre le débit binaire (en bit/s) et la bande passante (en Hz). Nous pouvons aussi dire que c'est le nombre de données binaires envoyés sur le canal de communication par ressource temps-fréquence (par accès au canal ou channel use). L'efficacité spectrale d'une modulation se définit par le paramètre : η = D/B et s'exprime en "bit par seconde et par hertz". La valeur D est le débit binaire (en bit/s) et B (en Hz) est la largeur de la bande occupée par le signal modulé.
