| Property |
Value |
| dbo:abstract
|
- La régression circulaire consiste à trouver le « meilleur cercle » décrivant un ensemble de points. Meilleur signifie que l'on définit une fonction de résidu, mesurant l'écart entre le cercle et l'ensemble des points, et que l'on cherche à minimiser cette fonction ; on utilise fréquemment la méthode des moindres carrés, mais ce n'est pas systématique, en particulier dans le cas présent. C'est un cas de régression géométrique, c'est-à-dire que la distance point-courbe modèle à laquelle on s'intéresse est une distance perpendiculaire à la courbe — méthode des moindres carrés totaux (TLS pour total least squares, ou FLS pour full least squares) —, et non une distance verticale (en y). Article détaillé : Ajustement de courbe. La régression circulaire est un cas particulier de régression elliptique. C'est un problème de régression géométrique non linéaire. Cependant, un choix astucieux de la variable expliquée, et donc de la fonction d'erreur, permet de se ramener à un problème linéaire. (fr)
- La régression circulaire consiste à trouver le « meilleur cercle » décrivant un ensemble de points. Meilleur signifie que l'on définit une fonction de résidu, mesurant l'écart entre le cercle et l'ensemble des points, et que l'on cherche à minimiser cette fonction ; on utilise fréquemment la méthode des moindres carrés, mais ce n'est pas systématique, en particulier dans le cas présent. C'est un cas de régression géométrique, c'est-à-dire que la distance point-courbe modèle à laquelle on s'intéresse est une distance perpendiculaire à la courbe — méthode des moindres carrés totaux (TLS pour total least squares, ou FLS pour full least squares) —, et non une distance verticale (en y). Article détaillé : Ajustement de courbe. La régression circulaire est un cas particulier de régression elliptique. C'est un problème de régression géométrique non linéaire. Cependant, un choix astucieux de la variable expliquée, et donc de la fonction d'erreur, permet de se ramener à un problème linéaire. (fr)
|
| dbo:thumbnail
| |
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 34004 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| prop-fr:année
| |
| prop-fr:auteur
|
- Jean Jacquelin (fr)
- Jean Jacquelin (fr)
|
| prop-fr:lienPériodique
|
- Quadrature (fr)
- Quadrature (fr)
|
| prop-fr:mois
|
- janvier (fr)
- janvier (fr)
|
| prop-fr:nom
|
- Jacquelin (fr)
- Jacquelin (fr)
|
| prop-fr:numéro
| |
| prop-fr:prénom
| |
| prop-fr:périodique
|
- Quadrature (fr)
- Quadrature (fr)
|
| prop-fr:site
|
- Scribd.com (fr)
- Scribd.com (fr)
|
| prop-fr:titre
|
- Régressions coniques, quadriques, circulaire, sphérique, (fr)
- Régression circulaire (fr)
- Régressions coniques, quadriques, circulaire, sphérique, (fr)
- Régression circulaire (fr)
|
| prop-fr:url
| |
| prop-fr:wikiPageUsesTemplate
| |
| prop-fr:éditeur
|
- EDP Sciences (fr)
- EDP Sciences (fr)
|
| dct:subject
| |
| rdfs:comment
|
- La régression circulaire consiste à trouver le « meilleur cercle » décrivant un ensemble de points. Meilleur signifie que l'on définit une fonction de résidu, mesurant l'écart entre le cercle et l'ensemble des points, et que l'on cherche à minimiser cette fonction ; on utilise fréquemment la méthode des moindres carrés, mais ce n'est pas systématique, en particulier dans le cas présent. C'est un cas de régression géométrique, c'est-à-dire que la distance point-courbe modèle à laquelle on s'intéresse est une distance perpendiculaire à la courbe — méthode des moindres carrés totaux (TLS pour total least squares, ou FLS pour full least squares) —, et non une distance verticale (en y). (fr)
- La régression circulaire consiste à trouver le « meilleur cercle » décrivant un ensemble de points. Meilleur signifie que l'on définit une fonction de résidu, mesurant l'écart entre le cercle et l'ensemble des points, et que l'on cherche à minimiser cette fonction ; on utilise fréquemment la méthode des moindres carrés, mais ce n'est pas systématique, en particulier dans le cas présent. C'est un cas de régression géométrique, c'est-à-dire que la distance point-courbe modèle à laquelle on s'intéresse est une distance perpendiculaire à la courbe — méthode des moindres carrés totaux (TLS pour total least squares, ou FLS pour full least squares) —, et non une distance verticale (en y). (fr)
|
| rdfs:label
|
- Régression circulaire (fr)
- Régression circulaire (fr)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:depiction
| |
| foaf:homepage
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageWikiLink
of | |
| is oa:hasTarget
of | |
| is foaf:primaryTopic
of | |
