Taper dans une console:
kill -9 -1
Ça va tuer tous les processus,finir la session, et ramener l'utilisateur à l'écran de login

Approche pour faire une live usb personnalisée.

Un post intéressant de Thomas Lumley sur le générateur de nombres pseudo-aléatoires de Wichmann-Hill, mal simplifié pour départager les résultats du référendum sur le nouveau drapeau de la NZ.
Un point intéressant sur l'explication du RNG par défaut sous R: "We’ve changed the generator in R because Wichmann-Hill isn’t up to modern research use. Its period is only 6.95×1012, and you ideally don’t run a PRNG for longer than the square root of its period. For a research statistician, a limit of 2.5 million numbers in a stream isn’t enough"

Je me le mets de côté, j'avais déjà vu passer, mais c'est un lien intéressant.

C'est une blague???? Ils ont filmé le déplacement de la lumière en ultra haute vitesse... Hallucinant

C'est l'avantage des planètes rocheuses sur les gazeuses: ya toujours des choses bluffantes à voir.

Aucune relation entre la qualité de l'enseignement (qui va déterminer les chances de succès à l'examen) et la satisfaction des étudiants concernant leur enseignement.
Bon à savoir

Première tentative d'ajustement de modèle bayésien sous STAN... échec: STAN ne permet pas l'ajustement de modèles avec des variables cachées entières (e.g. un effectif détecté comme réponse, un effectif réel comme paramètre). Ce qui rétrospectivement semble assez logique, quand on connaît le principe du Monte Carlo Hamiltonien. La seule solution est de marginaliser le paramètre entier quand on en a un... Ce qui n'est pas toujours simple à réaliser. Enfin, dans le cas présent, je n'ai pas le choix, mon modèle est caractérisé par un mélange moisi avec un sampler de Gibbs, et je pense que le fait de m'appuyer sur un paramètre latent entier n'y est pas pour rien.

Edit: le manuel de Stan, section 11.3, évoque les modèles de CMR. Il présente deux cas de figure:
* l'estimateur de Lincoln-Petersen de la taille de population N à partir d'animaux marqués à une première occasion de capture, puis recapturés à une deuxième occasion. Dans ce cas, on peut traiter le modèle en prenant N comme paramètre continu.
* le modèle de Cormack-Jolly-Seber, dans lequel on a une variable latente z_i(t) pour chaque animal i qui prend la valeur 1 si l'animal est vivant au temps t et 0 sinon. Pour pouvoir ajuster ce modèle, il faut marginaliser pour se débarrasser du paramètre.
Oui, donc Stan, uniquement quand on a des paramètres continus (éviter les variables latentes discrètes genre effectif réel non observé).

Conseils pour stocker efficacement des tableaux sur un ordi.

If we have data, let's look at data. If all we have are opinions, let's go with mine.
Une belle citation, reprise comme slogan par l'ASA.