Résumé du Cours de Statistique Descriptive
15-Dec-2010 appliquer les techniques de statistiques descriptives au moyen du language. R. – Références. Dodge Y.(2003) Premiers pas en statistique
Cours de statistique descriptive - Archive ouverte HAL
02-Aug-2016 Comme ce fut le cas pour le calcul de la moyenne de données groupées pour calculer la variance des données groupées
La mortalité et lespérance de vie au Québec en 2020
03-Mar-2021 nuelle moyenne a été d'environ 2 %. Le présent bulletin accompagne la diffusion par l'Institut de la statistique du Québec des données ...
STATISTIQUE : ESTIMATION
Estimation de la variance quand la moyenne est inconnue. 18. 4. Comparaison de moyennes et de variances. 18. 4.a. Intervalle de confiance de la différence
Tests statistiques élémentaires
rel de s'intéresser à la moyenne empirique Xn = 1 n. ?n i=1 Xi que l'on sait convergente vers µ par la LGN. Pour ce test Xn est appelée la statistique de.
Chapitre 3 - Comparaison de plusieurs moyennes pour des
On a alors recours à l'analyse de variance (appelée souvent ANOVA) développée par Fisher (sous hypothèse de normalité). L'ANOVA est un test statistique qui
Chapitre 3 - Distributions déchantillonnage
Ce sont les statistiques. NOTATIONS. N = taille de la population n = taille de l'échantillon. (si elle est finie). Si on étudie un moyenne de la population.
Statistiques circulaires et utilisations en psychologie
Les méthodes usuelles de calcul de paramètres comme la moyenne ne sont alors des méthodes d'inférence statistique mises au point pour des mesures ...
Bilan annuel des transports en 2019 : bilan de la circulation
Une voiture immatriculée en France métropolitaine a roulé en moyenne 12 200 km dans l'année et un véhicule utilitaire léger 14 700 km. Les véhicules lourds
Moyenne de Fr´echet pour l"analyse
statistique de formes et des imagesJ´er´emie Bigot
Institut de Math
´ematiques de Toulouse
Universit
´e de Toulouse
Workshop MASCOT NUM - Anestis" Fiesta
Mars 2011
Collaboration avec Anestis Antoniadis, S
´ebastien Gadat, Fabrice
Gamboa, Sophie Lambert-Lacroix, Fr
´ed´erique Letu´e, Jean-Michel
Loubes, Cl
´ement Marteau, Myriam Vimond
Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesMotivations
1Motivations
2Choix d"une distance
3Moyenne de Fr´echet
4Mesures de dissimilarit´e et ACP g´eom´etrique
Action de groupe
Mesure de dissimilarit´e
ACP g´eom´etrique
5Statistique non-param´etrique et mod`eles d´eformables
Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesMotivations
Probl´ematique
Objectif :comparer des objets pr´esentant des caract´eristiques similaires et extraire des informations sur la loi de distribution de ces objets Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesMotivations
Probl´ematique
Observations :collection denobjets"Yi,i=1,...,nqui peuvent etre : des courbes ou des images i.e.Yi: Ω→RavecΩ?Rdpour d=1,2,3 des points dans le planYi?R2k(ensemble deklandmarks dans R 2) courbes param´etr´ees i.eYi: [0,1]→Rppourp=2,3 Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesMotivations
Variabilit´e d"un ensemble de donn´ees
L"Analyse en Composante Principale(ACP)est tr`es utilis´ee pour visualiser les principaux modes de variabilit´e d"un ensemble de
donn´ees autour de leur moyenne
SoitYi,i=1,...,ndes variables al´eatoires iid`a valeur dans un espace de HilbertH.Moyenne empirique¯Yn=1n?
n i=1YiSiH=Rp, ACP = diagonaliser la matrice de covariance S=1 nn i=1(Yi-¯Yn)(Yi-¯Yn)?, et on d´efinit
-le premier mode de variation par¯Yn±⎷λ1ˆw1 -le deuxi`eme mode de variation par¯Yn±⎷λ2ˆw2 o `uˆw1,ˆw2,...sont les premiers vecteurs propres deSassoci´es aux plus grandes valeurs propresλ1≥λ2≥...≥0 Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesChoix d"une distance
1Motivations
2Choix d"une distance
3Moyenne de Fr´echet
4Mesures de dissimilarit´e et ACP g´eom´etrique
Action de groupe
Mesure de dissimilarit´e
ACP g´eom´etrique
5Statistique non-param´etrique et mod`eles d´eformables
Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesChoix d"une distance
Le probl`eme du choix d"une distance
Id´ee :la comparaison d"objets repose sur le choix d"une bonne distance Mod`ele utilis´e classiquement : choix d"unedistance euclidienned surHassoci´ee`a un produit scalaire d(y,y?) =?y-y??H=? ?y-y?,y-y??Hpoury,y?? H Le choix d"une distance induit des statistiques sp´ecifiques
Distance euclidienne?moyenne usuelle dansH
Yn=1 nn i=1Y i=argmin y?Hn i=1?Yi-y?2 HQuestions :
le choix de la distance euclidiennesurHest-il bien adapt´ee`a la comparaison d"images ou de formes? ¯Ynest-il toujours dansle mˆeme espace"que lesYi? Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesChoix d"une distance
Espace des formes de Kendall
Soitx1,...,xkdes points dansR2(vecteur dansR2kouCk) D ´efinition d"une forme (Kendall (1984)) :Shape is what remains when location, size, and rotational effects are filtered out"Standardisation (
´echelle + translation)
τ(x1,...,xk) =(
(x1-¯x ??k j=1?xj-¯x?2R2,...,xn-¯x
??k j=1?xj-¯x?2 R2) o `u¯x=1k? k j=1xj?R2 Pre-shape space :τ(x1,...,xk)?S2k-3?=F2k-2∩S2k-1, o`u F2k-2={(x1,...,xk)?R2k:k?
j=1x j=0} S2k-2={(x1,...,xk)?R2k:k?
j=1?xj?2 R2=1} Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesChoix d"une distance
Espace des formes de Kendall
Soitθ:R2→R2une rotation dans le plan autour de l"origine.Equivalence de deux pr
´e-formesτ1,τ2?S2k-3?:
1≂τ2s"il existeθtel queθ(τ1) =τ2
o `uθ(τ) =?θτ1,...,θτk?pourτ= (τ1,...,τk)?R2×kEspace des formes de Kendall :ensemble de classes
d"´equivalence
k2={[τ] :τ?S2k-3?},
o `u[τ]est la classe d"´equivalence deτpour la relation≂ Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesChoix d"une distance
Construction d"une distance surΣk
2 Soitτ1,τ2?S2k-3?, la distance (g´eod´esique) entreτ1etτ2donn´ee par d g(τ1,τ2) =cos-1(?τ1,τ2?), (avec?·,·?produit scalaire usuel surCk) induit une distance surΣk 2On peut montrer que pour[τ1]et[τ2]:
Proposition (Procrustean distance)
˜d([τ1],[τ2]) =cos-1(|?τ1,τ2?|) =cos-1( (|k? j=1τ1,jτ?2,j|)
Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesChoix d"une distance
Espace des formes = vari´et´e Riemannienne
Proposition (Vari´et´e Riemannienne)
(Σk2,˜d)est une vari´et´e Riemannienne de dimension2k-4
Diff´erences avec le cas Euclidien(Ck,? ?Ck)
Σk2n"est pas un espace lin´eaire car [τ1] + [τ2]/?Σk
2"˜dn"est pas une distance associ´ee`a un produit scalaire euclidien
Probl `emes : comment d´efinir une moyenne surΣk2?comment d´efinir une notion d"ACP?
-siY? Halors on d´efinit pourv? Hl"op´erateur de covarianceIEY?Y,v?H(=EYY?v= ΣvsiH=Rp)
-si[Y]?Σk2alors IE[Y]?[Y],[v]?" n"a pas d"´equivalent simple!
Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesMoyenne de Fr´echet
1Motivations
2Choix d"une distance
3Moyenne de Fr´echet
4Mesures de dissimilarit´e et ACP g´eom´etrique
Action de groupe
Mesure de dissimilarit´e
ACP g´eom´etrique
5Statistique non-param´etrique et mod`eles d´eformables
Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesMoyenne de Fr´echet
Moyenne au sens de Fr´echet
Definition
SoitXune variable al´eatoire de loiP`a valeur dans un espace m ´etrique(M,d). Une moyenne (pas n´ecessairement unique!) au sens de Fr ´echet de la distributionPest un pointx?qui est un minimumglobalde la fonctionF(x) =?
M d2(x,y)dP(y)etx??argmin x?MF(x) Lamoyenne empiriqueau sens de Fr´echet est donn´e par la distribution empirique associ´ee`a un´echantillonX1,...,Xnde loiPi.e.
Xn?argmin
x?Mn i=1d2(x,Xi)
Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesMoyenne de Fr´echet
Moyenne au sens de Fr´echet - cas euclidien
Proposition
SiMest un espace de Hilbert muni de la distance euclienne usuelle alors la moyenne de Fr´echet est unique et correspond`a la notion de
moyenne usuelle x ?=EX=? M ydP(y), et Xn=1 nn i=1X i Moyenne de Fr´echet pour l"analyse statistique de formes et des imagesMoyenne de Fr´echet
Moyenne au sens de Fr´echet - propri´et´es statistiquesQuestion :convergence quandn→+∞de
Xn?argmin
x?Mn i=1d2(x,Xi)
vers x ??argmin x?M? M d2(x,y)dP(y) R´ef´erences
R. Bhattacharya and V. Patrangenaru. Large sample theory of intrinsic and extrinsic sample means on manifolds (i). Annals of statistics, 31(1) :1-29, 2003. R. Bhattacharya and V. Patrangenaru. Large sample theory of intrinsic and extrinsic sample means on manifolds (ii). Annals of statistics, 33 :1225-1259, 2005. Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etrique1Motivations
2Choix d"une distance
3Moyenne de Fr´echet
4Mesures de dissimilarit´e et ACP g´eom´etrique
Action de groupe
Mesure de dissimilarit´e
ACP g´eom´etrique
5Statistique non-param´etrique et mod`eles d´eformables
Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etrique Observations :collection denobjets"Yi,i=1,...,nqui peuvent etre : des courbes ou des images i.e.Yi: Ω→RavecΩ?Rdpour d=1,2,3 des points dans le planYi?R2k(ensemble deklandmarks dans R 2) Probl `eme :comment choisir un espaceMet une distance (Riemannienne)dpour mod´eliser les donn´ees? Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueAction de groupe
Choix d"une action de groupe
Une possibilit´e (dans cette direction) :se donner un groupeGde transformations qui agit sur l"espace de HilbertHPrincipe :soitg?Gety? H
on note par·l"action deGsurH on supposeg·y? Hpour tout(g,y)?G× H Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueAction de groupe
Choix d"une action de groupe
Exemple d"action de groupes pourH=R2×k
Espace des formes -choix de
G=R2×S1×R+
groupe des transformations affines" (translation + rotation + scaling) du plan, et pourg= (b,θ,a)?Gety?R2×kon d´efinit g·y=aRθy+( (1 1) )b? o `u Rθ=?cos(θ)sin(θ)
-sin(θ)cos(θ)? Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueAction de groupe
Choix d"une action de groupe
Exemple d"action de groupes pourH=L2([0,1])
D´eformation rigide de courbes 1D -choix de
G=R groupe des translations, et pourg=b?Gety?L2([0,1])on d´efinit
g·y(t) =y(t-b),t?[0,1] Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueAction de groupe
Choix d"une action de groupe
Exemple d"action de groupes pourH=L2([0,1]2)
D´eformation rigide d"images 2D -choix de
G=R2×S1×R+
groupe des translations et rotations, et pourg= (b,θ,a)?Get y?L2([0,1]2)on d´efinit g·y(u) =y(aRθ(u-b)),u?[0,1]2 avec Rθ=?cos(θ)sin(θ)
-sin(θ)cos(θ)? Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueAction de groupe
D´eformation rigide d"images 2D
Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueAction de groupe
Choix d"une action de groupe
Exemple d"action de groupes pourH=L2(Ω)avecΩ?Rd D´eformation non-rigide de courbes ou d"images -choix deG={φ: Ω→Ω}
groupe de diff´eomorphismes deΩi.e. tel que
φ(Ω) = Ω =φ-1(Ω),
et pourg=φ?Gety?L2(Ω)on d´efinit g·y(u) =y(φ(u)),u?Ω Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueAction de groupe
D´eformation non-rigide d"images 2D
Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueMesure de dissimilarit´e
Choix de distances" non-euclidiennes
Th´eorie des formes de Grenander (1993) :variabilit´e g´eom´etrique des images sous l"action d"un groupe de Lie Espace des formes ou des images :H=R2×kouH=L2(Ω)Espace des d
´eformations :Ggroupe (de Lie) agissant surH
Mesure de dissimilarit
´e induite parG:poury,y??L2(Ω)
d2G(y,y?) =infg?G?
?y-g-1·y?? ?2H+λD(g,e)?
,o`uλ≥0Interpr
´etation ded2Gdans le casλ=0
d2G(y,y?) =0s"il existeg?Gtel que
y=g-1·y? Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueMesure de dissimilarit´e
Estimation par moyenne de Fr´echet
Observations :Y1,...,Ynvariables al´eatoires iid`a valeur dansH Sch ´ema g´en´eral d"estimation(registration/warping/alignment) yn=argmin y?H1 nn i=1d2G(y,Yi)
=argmin y?H1 nn i=1infg i?G? ?g-1 i·Yi-y? ?2H+λD(gi,e)?
Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueMesure de dissimilarit´e
Estimation par moyenne de Fr´echet
Observations :Y1,...,Ynvariables al´eatoires iid`a valeur dansH Sch ´ema g´en´eral d"estimation(registration/warping/alignment) Etape 1Estimation des param`etres de d´eformations g1,...,ˆ gn) =argmin (g1,...,gn)?Gn? ?1 nn i=1? ?g-1 i·Yi-1 nn j=1g -1 j·Yj? ?2H+λD(gi,e)?
Etape 2Alignement puis moyenne usuelle des donn´ees yn=1 nn i=1ˆ g-1 i·Yi Moyenne de Fr´echet pour l"analyse statistique de formes et des images Mesures de dissimilarit´e et ACP g´eom´etriqueMesure de dissimilarit´e
Exemple : moyenne de courbes
G=S1- groupe de translation
Donn ´ees :courbesYi?L2([0,1])shift´ees al´eatoirement + bruit Y i(x) = f(x-gi)+Wi(x),pourx?[0,1],etgitranslations al´eatoires iidCourbe
f/ Sous-´echantillon de 10 donn´ees (n=200)00.10.20.30.40.50.60.70.80.910.2
0.25 0.3 0.35quotesdbs_dbs47.pdfusesText_47[PDF] moyenne si pourcentage
[PDF] moyenne statistique définition
[PDF] Moyenne, fréquence et diagramme
[PDF] Moyenne, pourcentage
[PDF] Moyenne, pourcentage d'une classe
[PDF] Moyenne, probabilités
[PDF] moyenne, quartiles ect
[PDF] Moyenne, variance et ecart-type
[PDF] moyenne/médiane/étendue
[PDF] Moyennes
[PDF] Moyennes arithmétiques
[PDF] Moyennes et fonctions
[PDF] Moyennes et pourcentages
[PDF] Moyennes Mathématiques