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