Calcul matriciel ; Echantillonnage ; Estimation ; Mathématique ; Maximum de vraisemblance ; Méthode de Monte Carlo ; Méthode des moindres carrés ; Processusautorégressif
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
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
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
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 (processusautorégressifs à moyenne mobile) et mise en évidence de cette classe
homogènes, les fonctions d'autocorrélation estimées et les coefficients de Hurst sont tout à fait compatibles avec un processusautorégressif 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 processusautorégressif de premier ordre, il convient d'établir clairement l'homogénéité de ces séries.
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).
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
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
Un modèle des débits annuels, représentés par un processusautorégressif (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
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
Présentation d'une méthode d'échantillonnage pour estimer une modélisation de variables dont la dépendance spatiale est limitée par des processusautorégressifs. La méthode peut s'appliquer à des données qui impliquent des chevauchements dans
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 ; Processusautorégressif ; 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
(1968-1976) ; Etats-Unis ; Finance ; Généralités sur la géographie ; Méthodologie ; Processusautorégressif ; 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).
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 ; Processusautorégressif ; Prévision ; Statistique ; Stockage ; Série chronologique ; Texas
comparées à celles d'un ajustement à un vecteur autorégressif.
Commerce de détail ; Méthodologie ; Processusautorégressif ; 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