inscription
PORTAIL D'INFORMATION GÉOGRAPHIQUE

Résultats de la recherche (120 résultats)

Affinez votre recherche

Par Collection Par Auteur Par Date Par Sujet Par Titre
  • Calcul matriciel ; Echantillonnage ; Estimation ; Mathématique ; Maximum de vraisemblance ; Méthode de Monte Carlo ; Méthode des moindres carrés ; Processus autorégressif
  • Propriétés, en échantillonnage limité, des estimateurs de modèles spatiaux autorégressifs quand les éléments perturbateurs sont susceptibles de suivre un processus spatial autorégressif. Comparaison des efficacités respectives de deux estimateurs
  • Le processus du type ARIMA pour la prévision et la simulation en hydrométéorologie
  • Débit ; Ecoulement ; Géographie physique ; Hydrologie mathématique ; Hydrologie stochastique ; Hydrométéorologie ; Processus ARIMA ; Processus aléatoire ; Processus autorégressif ; Processus à moyenne mobile ; Précipitation
  • Les modèles de processus stochastiques du type ARIMA sont des combinaisons de modèles autorégressifs et de moyennes mobiles sur des variables aléatoires indépendantes. D'application souple et relativement facile, ces modèles peuvent être utilisés à
  • Analyse spatiale ; Calcul matriciel ; Modèle ; Processus autorégressif ; Science régionale ; Statistique ; Statistique spatiale
  • Problèmes de statistique en science régionale, lié à l'interprétation et à la signification du terme jacobien dans les modèles spatiaux autorégressifs.
  • Généralités sur la géographie ; Méthodologie ; Processus aléatoire ; Série chronologique ; Série unidimensionnelle
  • Les aspects stochastiques des séries unidimensionnelles (chronologiques) sont de 4 sortes: aléatoires, autorégressifs, à moyenne mobile, ou autorégressifs à moyenne mobile. Sont expliqués successivement: les étapes du procédé (identification
  • Ecoulement ; Géographie physique ; Hydrologie mathématique ; Hydrologie stochastique ; Processus ARMA ; Processus aléatoire ; Processus autorégressif ; Processus markovien ; Simulation
  • L'A. opte pour la classe des modèles des chaînes markoviennes pas forcément finies. Comparaison avec des modèles paramétriques couramment utilisés à l'heure actuelle (processus autorégressifs à moyenne mobile) et mise en évidence de cette classe
  • Autocorrélation sériale ; Etats-Unis ; Etats-Unis du nord-est ; Géographie physique ; Homogénéité ; Persistance ; Phénomène de Hurst ; Processus aléatoire ; Processus autorégressif ; Précipitation ; Précipitation annuelle ; Simulation ; Statistique
  • homogènes, les fonctions d'autocorrélation estimées et les coefficients de Hurst sont tout à fait compatibles avec un processus autorégressif de premier ordre, montrant que les précipitations annuelles, en tant que processus, est un processus à mémoire
  • courte dans le nord-est des Etats-Unis. Avant d'adopter comme hypothèse une mémoire longue pour les séries différentes d'un processus autorégressif de premier ordre, il convient d'établir clairement l'homogénéité de ces séries.
  • Bibliographie ; Bruit gaussien fractionnaire ; Débit ; Géographie physique ; Hydrologie mathématique ; Hydrologie stochastique ; Méthode de Box-Jenkins ; Persistance ; Phénomène de Hurst ; Processus aléatoire ; Processus autorégressif ; Processus
  • Présentation générale des différents modèles stochastiques appliqués à l'hydrologie fluviale et plus spécifiquement à l'écoulement. Les données du débit constituent des séries chronologiques, réalisation d'un processus dont il faut identifier des
  • composantes déterministes et aléatoires. Après un rappel sur la nature de la persistance en hydrologie, l'A. présente de façon développée des modèles à mémoire courte: modèles markoviens autorégressifs d'ordre1, les modèles à mémoire longue: bruit gaussien
  • fractionnaire, lignes brisées, modèles linéaires autorégressifs stochastiques de Box et Jenkins. Importante bibliographie constituant une synthèse des modèles stochastiques applicables et appliqués à l'écoulement. (Cch).
  • Analyse spatiale ; Autocorrélation spatiale ; Modèle ; Méthodologie ; Processus autorégressif ; Statistique spatiale
  • L'A. se demande comment effectuer une distinction entre un processus spatial autorégressif et un processus moyen de changement spatial. Ce problème, apparemment simple dans un contexte plus général, acquiert une certaine complexité quand on le
  • Equation de Yule-Walker ; Estimation ; Généralités sur la géographie ; Hydrologie mathématique ; Hydrologie stochastique ; Processus ARMA ; Processus aléatoire ; Saisonnalité ; Statistique ; Structure de corrélation ; Série chronologique
  • Les AA. déduisent les équations de Yule-Walker pour des modèles autorégressifs à moyenne mobile, ayant des paramètres périodiques. Dans le cas des processus ARMA (p., 1) les paramètres autorégressifs périodiques sont obtenus par résolution d'un
  • Débit ; Estimation ; Géographie physique ; Hydrologie mathématique ; Hydrologie stochastique ; Maximum de vraisemblance ; Modèle autorégressif ; Paramètre ; Processus aléatoire ; Statistique ; Série chronologique ; Série chronologique multivariée
  • Utilisation de modèles stochastiques pour des processus vectoriels: la classe de processus à moyenne mobile, autorégressifs dans le cas multivarié. Après une présentation de la modélisation itérative, l'A. montre comment les matrices
  • d'autocovariance partielle peuvent servir à vérifier si les modèles autorégressifs multivariés représentent convenablement les séries de débits. L'estimation des paramètres dans ces modèles ne peut pas se faire par la méthode des moments| dans ce cas l'estimation
  • Analyse multivariée ; Débit ; Ecoulement ; Etats-Unis ; Géographie physique ; Hydrologie mathématique ; Hydrologie stochastique ; Module ; Modèle autorégressif d'ordre 1 ; Modèle bayésien ; New Hampshire ; Processus aléatoire ; Processus
  • autorégressif ; Simulation
  • 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
  • Consommation ; Demande ; Eau ; Economie de l'eau ; Gestion ; Géographie humaine ; Hydrologie mathématique ; Hydrologie stochastique ; Processus aléatoire ; Processus autorégressif ; Ressource en eau ; Réservoir ; Saisonnalité ; Stockage ; Série
  • Un modèle des débits annuels, représentés par un processus autorégressif (1) et autorégressif à moyenne mobile (1,1) a été désagrégé en débits saisonniers et soumis à un algorithme permettant de déterminer la capacité annuelle d'un réservoir, apte à
  • Analyse spatiale ; Autocorrélation spatiale ; Criminalité ; Espace urbain ; Modèle ; Processus autorégressif ; Statistique ; Test
  • Présentation d'une méthode d'échantillonnage pour estimer une modélisation de variables dont la dépendance spatiale est limitée par des processus autorégressifs. La méthode peut s'appliquer à des données qui impliquent des chevauchements dans
  • Agrégation spatiale ; Analyse économique ; Chômage ; Cycle économique ; Economie régionale ; Great Britain ; Processus autorégressif ; Royaume-Uni ; Statistique ; Série chronologique
  • Le comportement des cycles économiques peut être rapporté à un processus dynamique non-linéaire. Les AA. recherchent l'existence de tels effets non-linéaires dans la dynamique du chômage régional en Grande-Bretagne. Méthodologie du modèle
  • autorégressif SETAR.
  • (1968-1976) ; Etats-Unis ; Finance ; Généralités sur la géographie ; Méthodologie ; Processus autorégressif ; Processus à moyenne mobile ; Réserve monétaire ; Saisonnalité ; Série chronologique
  • de type autorégressif (déterministe) et à moyenne mobile. Les données correspondent à la période allant du 26-12-68 au 29-12-76 soit 2926observations. (Cch).
  • Analyse spatiale ; Calcul matriciel ; Comportement électoral ; Etats-Unis ; Processus autorégressif ; Simulation ; Statistique
  • Les AA. indiquent des méthodes pour calculer rapidement les estimateurs quand la variable dépendante suit un processus spatial autorégressif. Exemple d'une simulation selon Monte Carlo à l'échelle des comtés des Etats-Unis. Modélisation du
  • Analyse spatiale ; Autocorrélation spatiale ; Estimateur de Bayes ; Estimation ; Généralités sur la géographie ; Méthode Monte Carlo ; Petit échantillon ; Processus STAR ; Processus autorégressif ; Simulation ; Statistique ; Système spatial ; Série
  • Propose un estimateur bayésien et développe la procédure d'estimation des paramètres d'un modèle autorégressif spatial d'ordre 1. Evaluation des propriétés pour les petits échantillons et comparaison avec les résultats d'une simulation suivant la
  • Analyse spatiale ; Autocorrélation spatiale ; Champ aléatoire ; Estimation ; Généralités sur la géographie ; Processus aléatoire ; Processus autorégressif ; Simulation ; Stabilité ; Stationnarité ; Statistique ; Statistique spatiale
  • Les spécifications de modèles sur des champs aléatoires stationnaires uni-et bidimensionnels peuvent être établies corrélativement à la classe des autorégressions spatiales. Dans un premier temps, l'A. généralise le modèle autorégressif temporel
  • rapport de vraisemblance permettant ultérieurement d'affiner les tests d'hypothèse sur la structure du modèle sous-jacent. En appendice, simulation d'un schéma autorégressif quadrilataire de 1 ordre et étude de la stabilité des coefficients
  • Blé ; Coût de transport ; Etats-Unis ; Formation des prix ; Kansas ; Marché ; Port ; Processus autorégressif ; Prévision ; Statistique ; Stockage ; Série chronologique ; Texas
  • comparées à celles d'un ajustement à un vecteur autorégressif.
  • Commerce de détail ; Méthodologie ; Processus autorégressif ; Propriété immobilière ; Prévision ; Rente foncière ; Royaume-Uni ; Série chronologique
  • Les AA. modélisent les rentes liées au commerce de détail au Royaume-Uni, selon les méthodes des vecteurs autorégressifs et des séries chronologiques. Deux séries sont utilisées, et l'accent est mis sur les aspects prévisionnels. Les AA. montrent