Propose une méthode d'estimation des paramètres d'un modèle autorégressif dont l'épuration caractéristique possède des racines réelles, égales. Utilisation de la fonction d'autocorrélation sérielle pour l'estimation. Cette méthode ne nécessite pas
Analyse spatiale ; Estimation ; Fonction de pondération ; Généralités sur la géographie ; Modèle autorégressif univarié ; Modèle spatio-temporel ; Méthode Monte Carlo ; Paramètre ; Petit échantillon ; Processusautorégressif ; Prévision ; Simulation
On peut modéliser une série chronologique des débits annuels par un processus ARMA (autorégressif et à moyenne mobile). La méthode utilise la représentation conceptuelle d'un bassin-versant donnée par Fiering (Streamflow synthesis, Harvard
; Processus aléatoire ; Processusautorégressif et à moyenne mobile ; Simulation ; Série chronologique
Bruit gaussien fractionnaire ; Distribution gamma ; Distribution log-normale ; Débit ; Ecoulement ; Géographie physique ; Hydrologie mathématique ; Hydrologie stochastique ; Méthodologie ; Persistance ; Phénomène de Hurst ; Processus ARMA
Deux modèles de persistance à long terme dans les modèles hydrologiques sont présentées: un bruit gaussien fractionnaire et un processus mixte autorégressif et de moyenne mobile ARMA, d'ordre 1. Ils sont appliqués à deux distributions: une
; Processus aléatoire ; Profil longitudinal ; Royaume-Uni ; Seuil fluviatile ; Série chronologique ; Série spatiale
Pour étudier les oscillations pseudo-cycliques d'un lit fluvial comportant des seuils et des mouilles et établir leurs relations avec les méandres, on utilise les techniques statistiques et l'analyse de séries spatiales. Le processusautorégressif
est envisagé comme un processus stochastique responsable de l'oscillation. On montre l'importance de l'effet de la série seuil-mouille sur la géométrie de l'écoulement. Une analyse discriminante utilisant des exponents hydrauliques rend bien compte des
Chaîne de Markov ; Domaine méditerranéen ; Grèce ; Géographie de l'Europe ; Processus aléatoire ; Processusautorégressif ; Précipitation ; Précipitation journalière ; Précipitation mensuelle ; Saisonnalité ; Zone subtropicale
supérieurs à 1 en saison humide, et les ordres 0 ou 1 en saison sèche. Les hauteurs d'eau mensuelles sont modélisées de façon plus réaliste par un processusautorégressif de second ordre que par une chaîne markovienne.
Estimation ; Géographie physique ; Hydrologie mathématique ; Hydrologie stochastique ; Persistance ; Phénomène de Hurst ; Processus ARMA ; Processusautorégressif ; Statistique ; Série chronologique
On conserve bien le phénomène de Hurst avec des modèles à moyenne mobile autorégressifs (ARMA). La fonction de distribution cumulative, empirique, du coefficient de Hurst de cette statistique peut être calculée avec une précision suffisante. La
distribution du coefficient est une fonction de la longueur, N, de la série et des valeurs des paramètres intervenant dans le processus ARMA considéré. Comparaison de plusieurs estimations du coefficient de Hurst obtenues à partir de 23séries de données.
paramètres d'un modèle de régression dont les erreurs sont autocorrélées| l'identification des propriétés de processus spatiaux en état d'équilibre ou tendant vers un équilibre. Dans un premier chapitre, l'A. aborde les propriétés des modèles autorégressifs
La dimension spatiale engendre des dépendances qui ne sont pas strictement hiérarchisées. De plus en plus, les AA. considèrent un ensemble d'observations spatiales comme la réalisation d'un processus stochastique. Les processus considérés sont
temporels et spatiaux en montrant que la théorie de l'estimation employée pour l'autorégression temporelle n'est pas applicable à l'autorégression spatiale| dans le chapitre 2, problèmes d'estimation des séries spatiales et modèles autorégressifs
quadrilatères, les chapitres 3 et 4 développent les techniques de choix d'un modèle basées sur l'autocorrélation spatiale| les chapitres 5 et 6, examen des estimations ponctuelles des paramètres d'un modèle autorégressif de premier ordre. Dans le chapitre 7
, enfin, application à la productivité agricole dans le Kansas et le Nebraska considérée comme un processus spatial en équilibre. Ouvrage sérieux, très formalisé devant rendre les plus grands services pour l'analyse tant théorique que pratique des
Autriche ; Chômage ; Cycle économique ; Disparités régionales ; Economie régionale ; Généralités sur la géographie ; Marché du travail ; Méthodologie ; Processusautorégressif ; Statistique ; Série chronologique
dans le temps (période 1961-86) : une approche traditionnelle (méthode de Brechling), et une approche modélisée (fonction de transfert associée à un processusautorégressif), appliquées aux séries chronologiques. La deuxième méthode est plus performante.
établissant les propriétés des arrangements de polynômes courants pour rapprocher le terme log-Jacobien dans les modèles spatiaux autorégressifs. Les inexactitudes numériques pourraient davantage induire en erreur qu'on le dit en général.
Utilisation d'un modèle autorégressif de premier ordre pour décrire la réponse du niveau piézométrique, en un point de forage, à une série d'événements pluvieux. Estimations, selon la méthode du maximum de vraisemblance, des paramètres de ce modèle
corrélations canoniques. L'équivalence entre la structure de l'espace des états du modèle et les modèles multivariés autorégressifs à moyenne mobile avec des apports exogènes est établie. La classe des modèles considérés inclut les modèles de relation pluie
Apports récents en hydrologie stochastique avec, au coeur des débats, la validité du phénomène de Hurst et la stationnarité des processus. Souligne la place prise par les modèles de processusautorégressifs. Revue critique des tentatives originales
Croissance économique ; Emploi ; Estimation ; Généralités sur la géographie ; Marché du travail ; Probabilité ; Processusautorégressif ; Prévision ; Série chronologique
Les méthodes traditionnelles de calcul de moyennes climatiques présentent des insuffisances quand on les utilise pour la prévision ou pour la détection de variations climatiques de faible amplitude. La transformation d'un processusautorégressif