A) Le coefficient du terme de puissance la plus élevée. B) La puissance la plus élevée de la variable dans le polynôme. C) Le nombre de termes du polynôme. D) La somme des puissances de tous les termes du polynôme.
A) Manipulation des données pour les faire correspondre à un modèle spécifique. B) Trouver les valeurs exactes des points de données. C) Estimation de valeurs entre des points de données connus. D) Ignorer les données aberrantes pour une meilleure précision.
A) Utilisation de la médiane au lieu de la moyenne. B) Minimiser la somme des différences quadratiques entre les points de données et la fonction d'approximation. C) Maximiser les valeurs aberrantes dans les données. D) Ajustement exact des points de données.
A) L'absence d'erreurs dans l'approximation. B) Le nombre de points de données dans l'approximation. C) La somme de toutes les erreurs calculées dans l'approximation. D) La différence entre la fonction réelle et son approximation.
A) L'interpolation est utilisée pour les données discrètes et l'approximation pour les données continues. B) L'interpolation est moins précise que l'approximation. C) L'interpolation passe par tous les points de données, ce qui n'est pas le cas de l'approximation. D) L'approximation fournit des valeurs exactes tandis que l'interpolation fournit des estimations.
A) Il s'agit de fonctions trigonométriques utilisées pour le lissage des données. B) Il s'agit de fonctions rationnelles utilisées pour l'analyse des erreurs. C) Il s'agit de fonctions exponentielles utilisées pour l'approximation des moindres carrés. D) Il s'agit de fonctions polynomiales par morceaux utilisées pour l'interpolation.
A) Elles nécessitent moins de calculs que les techniques univariées. B) Ils sont limités à des approximations linéaires. C) Ils peuvent traiter des fonctions à variables et interactions multiples. D) Ils nécessitent moins de points de données pour obtenir des résultats précis.
A) Il introduit plus de bruit dans les données pour une meilleure précision. B) Cela augmente la complexité du modèle d'approximation. C) Cela permet d'éviter l'ajustement excessif et d'améliorer la généralisation de l'approximation. D) Il donne plus de poids aux données aberrantes.
A) Théorème des valeurs intermédiaires de Bolzano B) Théorème de la valeur moyenne de Cauchy C) Théorème d'approximation de Weierstrass D) Théorème de Rolle |