La théorie bayésienne permet de tenir compte à la fois des paramètres du modèle et des incertitudes liées à l'adéquation d'un modèle. Ici, on se sert de la théorie bayésienne pour faire une discrimination parmi les variables exogènes des modèles de
régression. Des expériences faites sur des modèles hydrologiques ont servi à tester la méthode selon différentes hypothèses sur les probabilités a priori des modèles, la taille de l'échantillon, etc... L'utilisation des techniques bayésiennes, permet de
choisir de façon explicite le modèle adéquat dans la plupart des applications.
Les modèles statistiques classiques sont assez décevants pour évaluer l'incertitude des fréquences de crue. Application des méthodes du maximum de vraisemblance et bayésienne pour évaluer la validité des modèles. Le modèle d'inférence bayésienne
a été complété par une règle de décision pour évaluer les conséquences économiques de l'incertitude du modèle dans la planification de lutte contre les crues. Les A. discutent les limites des méthodes.
DECISION ; Généralités sur la géographie ; METHODOLOGIE ; MODELE ; PROBABILITES BAYESIENNES ; PROCESSUS ; RISQUE ; THEORIE
EXPOSE DES MODELES THEORIQUES DE DECISION DEVANT UN RISQUE UTILISES EN GEOGRAPHIE. L'APPROCHE SUBJECTIVISTE OU BAYESIENNE EST DISCUTEE A PARTIR D'UNE ABSTRACTION (SITUATION SIMPLIFIEE DU COMPORTEMENT DES AGRICULTEURS POUR MAXIMISER LEURS PROFITS
DEVANT LA MENACE DE GEL). L'INTERET METHODOLOGIQUE DU MODELEBAYESIEN EST SOULIGNE, CAR IL PERMET D'ANALYSER CERTAINES RELATIONS COMPLEXES ENTRE L'HOMME ET SON ENVIRONNEMENT. (VNM).
Econometry ; Matrix analysis ; Model ; Probability ; Regression analysis ; Spatial economy ; Statistics
Problème d'économétrie spatiale: spécification et comparaison de modèles non emboîtés selon des probabilités bayésiennes. Elaboration d'une théorie pour la comparaison, à l'aide de matrices spatiales pondérées alternatives, des composantes
systématiques et perturbatrices des modèles. Applications empiriques.
Méthode d'estimation des paramètres d'un modèle de la relation pluie-débit, permettant de corriger les erreurs dans l'écoulement. On suppose l'existence de données sans information réelle pour lesquelles on emploie une procédure bayésienne pour
Utilisation des méthodes bayésiennes pour discriminer les structures alternatives de la matrice de covariance des perturbations de schémas de régression hydrologiques. On admet que la matrice puisse être non scalaire. La méthode proposée permet de
A Bayesian model has been applied to the annual and monthly discharge series of the Sainte-Anne du Nord River in order to assess the influence of the operation of four reservoirs on the monthly series in terms of a shift in the mean at time
. The same model has been tested on two other series, thus permitting identification of those shifts that would be attributed to regionally observed climatic variations. (The AA.).
Diffusion ; Epidémie ; Généralités sur la géographie ; Incertitude ; Information ; Probabilité ; Probabilité bayésienne ; Processus aléatoire ; Processus de diffusion ; Santé
Prévision à partir d'une formulation bayésienne de l'information. Le modèle est un modèle à deux états mixte construit sur une loi de Poisson et une loi gamma. Ce modèle sert à modéliser des données d'épidémie telle que la rougeole en considérant
Incertitude dans les débits de crues: approche bayésienne
A stochastic model for the prediction of the largest exceedance above a given discharge base level, at a given location of a river, has been presented before. A bayesian approach is followed in order to find the distribution function
of the exceedance for a given return period when uncertainty arises in the parameters of the distribution function describing the model. The risks encountered in evaluating this exceedance using different lengths of period of record are compared.
Utilisation d'un modèle stochastique basé sur les événements pour décrire le phénomène spatial de l'arrivée d'eau soudaine dans des ouvrages souterrains situés sous un aquifère karstique. Les variables aléatoires sont la quantité d'eau par événement
, la distance entre 2 événements, le nombre d'événements par unité spatiale souterraine, etc. L'incertitude, induisant l'analyse bayésienne, affecte surtout les caractéristiques des calaires karstiques et l'insuffisance de données d'observation. Un
algorithme de simulation bayésienne permet d'estimer les distributions des caractéristiques des arrivées d'eau utilisées pour le projet des aménagements de surveillance de l'eau pour les mines souterraines. Exemple pris dans la région transdanubienne de
Aggregation ; Estimation ; Model ; Spatial analysis ; Statistics ; United States of America
Méthode de statistique spatiale bayésienne de lissage des données lorsque les taux bruts ne se rapportent pas à un découpage spatial satisfaisant sur le plan géographique.
L'A. développe les simplifications analytiques disponibles ainsi que les algorithmes correspondants. Pour un large ensemble de modèles en économétrie spatiale, l'A. montre que l'analyse bayésienne est très praticable et qu'il est possible de
théorique de la méthode et comparaison entre régression bornée et régression sous contraintes bayésiennes. Un autre problème important que l'on rencontre, dans l'emploi de modèles précipitation-débit, est la stabilité des paramètres. On peut l'évaluer par
Lorsqu'on utilise des modèles précipitation-débit de type régressif, on peut être confronté à des problèmes de corrélation indésirable entre les variables explicatives, dus à la collinéarité. On peut les traiter par ridge regression. Justification
Les AA. proposent une méthode de génération de débits annuels à partir d'un modèle autorégressif de 1ordre. Le modèle est bayésien pour inclure une information additionnelle à fonction de densité de probalité à priori, tenant compte des paramètres
inconnus des processus stochastiques d'écoulement. Application du modèle à plusieurs cours d'eau du New Hampshire. Les variances des échantillons ainsi générés sont plus élevées que celles des séries observées lorsque la série disponible est très courte
Analyse régionale ; Communication ; Diffusion ; Entreprise ; Information ; Innovation ; Modèle logit ; Probabilité
Communication ; Diffusion ; Enterprise ; Information ; Innovation ; Logit model ; Probability ; Regional analysis
Présentation d'un modèle empirique pour évaluer l'aptitude à innover et le potentiel innovateur de diverses régions. Deux modèles servent de base au modèle étendu: le modèle logit (processus de diffusion) et la théorie de la décision (statistique
bayésienne). Exemple simplifié: description des trois étapes concernées par l'évaluation des probabilités d'innovation technologique.
Bayesian estimation of regional production for CGE modeling
Economie régionale ; Equilibre économique ; Estimation ; Etats-Unis ; Fonction de production ; Industrie ; Modèle ; Oklahoma ; Simulation
Economic equilibrium ; Estimation ; Industry ; Model ; Oklahoma ; Production fonction ; Regional economy ; Simulation ; United States of America
Les modélisations selon l'équilibre général ne disposent pas toujours d'estimations fiables des paramètres importants. Pour répondre à ces critiques, les AA. utilisent une approche bayésienne pour estimer les paramètres d'une fonction de production
translog dans un modèle régional. Ils ont recours à une simulation à la Monte Carlo selon des chaînes de Markov. Exemple relatif au secteur industriel de l'Oklahoma.
Analyse de régression ; Contrôle des naissances ; Estimation ; Fécondité ; Modèle ; Méthode d'expansion ; Méthodologie ; Politique démographique ; Statistique
Birth control ; Estimation ; Expansion method ; Fertility ; Methodology ; Model ; Population policy ; Regression analysis ; Statistics
La propension à considérer un modèle comme invariant peut s'exprimer, dans un cadre de référence bayésien, comme une fonction probabiliste des paramètres d'une formule dite « d'expansion ». Il est alors possible de quantifier et de comparer, voire
Les modèles saisonniers de type ARIMA sont des outils importants de modélisation et de prévision de l'écoulement. Utilité du critère d'information d'Akaike et du critère de probabilité a posteriori de Kashyap dans le choix du meilleur modèle
Data analysis ; Estimation ; Forecast;Prediction ; Graphics ; Infant mortality ; Matrix analysis ; Model ; North Carolina ; Spatial statistics ; United States
L'A. fait appel à des techniques bayésiennes de statistique spatiale pour représenter graphiquement les taux de mortalité infantile à l'échelle des comtés de Caroline du Nord. L'A. montre pourquoi il est important de cartographier des valeurs