Organisation à différentes échelles de temps et d'espace des fortes précipitations d'une région montagneuse méditerranéenne

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Organisation à différentes échelles de temps et d'espace des fortes précipitations d'une région montagneuse méditerranéenne"

Transcription

1 Organisation à différentes échelles de temps et d'espace des fortes précipitations d'une région montagneuse méditerranéenne Davide Ceresetti Directeurs: G. Molinié, J.-D. Creutin Journée des thèses 13 mars 2009

2

3 Étude des précipitations fortes Fortes: pas usuelles par rapport à l'ensemble des pluies. Pluie extrême ponctuelle Nécessaire un terme de comparaison: LONGUES SERIES de pluie. Présence de longues séries (à la bonne résolution) nécessaire pour évaluer la sévérité des pluies extrêmes au pluvio

4 ...sauf que les crues ne sont pas données par la pluie ponctuelle... q(m3/s) Exemple: 22/10/2008: Station: Mialèt 460 mm/j Dégâts = 0 L'idée est de rechercher une méthode pour évaluer les pluies extrêmes dans une large gamme de durée et surfaces. t(h)

5 Qualification des pluies extrêmes ponctuelles Courbes Intensité Durée Fréquence Courbes IDF pour Marseille Pour chaque durée de retour I =a T n entre 1 et 100 h Limité à les pluies ponctuelles

6 Qualification des pluies extrêmes ponctuelles Évaluation de la sévérité d'un évènement Évènement 19/09/2000, Marseille Sévérité de la pluie au pluvio Limité à les pluies ponctuelles

7 Qualification des extrêmes dans l'espace Facteur de Réduction Surfacique (ARF) I A,T, T r ARF A,t,T r = I A0,T,T r Ramos et al, 2005 (Marseille Area) Approche totalement empirique --> Limitée à des bassins jaugés

8 Qualification des évènement dans l'espace et dans le temps Évènement 19/09/2000, Marseille Diagramme de sévérité: Maxima de Sévérité Sévérité (Tr) pluie pour toutes les surfaces e pour tous T. Perte d'info chronologique Ramos et al., 2005 L'estimation de l'abattement de la pluie avec T et A reste empirique (IDF-ARF)

9 Qualification des évènement dans l'espace et dans le temps Le maximum surfacique est un mélange de pluies extrêmes et pluies communes. On a besoin d'une approche pour 1. traiter au même temps pluies fortes et communes 2. travailler sur large gamme d'échelles

10 Approches fractales Analyse des processus ayant des propriétés qui ne dépendent pas de l'échelle d'analyse Évidence naturelle Propriété géométrique Utilisé en hydro-météorologie

11 Sur quelle variable va-t-on évaluer ces propriétés? On s'intéresse à l'intensité des pluies Intenses PONCTUELLES Communes Série horaire station de Montpellier Bel Air Interpolation pluie ponctuelle SPATIALISÉES Issue des mesures de réflectivité radar 09 Sept 2005: Pluie instantanée estimée Radar de Bollène

12 Région d'étude Cévennes - Vivarais km Elev (m) Oper. Radar Rain Gages Water flow km Région montagneuse méditerranéenne Bien instrumentée: 500 pluvio journaliers (~50 ans), 100 pluvio horaires (~10 ans cont.) 3 radars

13 Invariance d'échelle de la pluie intense

14 Cas pratique: Auto-similarité des max annuels Courbes Intensité Durée Fréquence à Marseille Courbes IDF I =a T n Transition Auto-similarité Courbes IDF linéaires en log-log Courbes IDF linéaires + parallèles I = I 1 H T r I = I 1 H Auto-affinité Auto-similarité IDF linéaires et parallèles --> auto-similarité implicite des max

15 Quelle est la distribution de la pluie? Les extrêmes de pluie infra-journalière appartiennent au domaine d'attraction Fréchet (C. Bernard-Michel, L. Gardes, S. Girard - INRIAlpes) Légende Exponent Gumbel Domaine d'attraction Lognorm Cauchy Distributions Fréchet Pareto Norm Extrêmes --> Fréchet Distribution --> Pareto

16 Peut la pluie horaire suivre une loi Pareto? Queue (10%) de la distribution cumulée des pluies horaires, Yssingeaux DOMAINE D'ATTRACTION DE FRÉCHET LOI DE PARETO

17 Invariance d'échelle (Gupta and Waymire, 1990) Raw moments Probability Distribution d P I = c P I 1 < I >= h K h h 1 <I > Sample mean (h=1) --> CONSERVED P(I) LEGEND PDF Statistical moments Résolution=4h Sample variance (~h=2) I Sample skewness (~h=3)

18 Invariance d'échelle (Gupta and Waymire, 1990) Raw moments Probability Distribution d P I = c P I 1 < I >= h K h h 1 <I > Sample mean (h=1) --> CONSERVED P(I) LEGEND PDF Statistical moments Résolution=2h Sample variance (~h=2) I (mm/h) Sample skewness (~h=3)

19 Invariance d'échelle (Gupta and Waymire, 1990) Raw moments Probability Distribution d P I = c P I 1 < I >= h K h h 1 <I > Sample mean (h=1) --> CONSERVED P(I) LEGEND PDF Statistical moments Résolution=1h Sample variance (~h=2) I (mm/h) Sample skewness (~h=3)

20 Auto-similarité des pluies fortes Pluie normalisée a Montpellier Bel Air. Échantillons de longueur c P I = P I 1 QUEUES HYPERBOLIQUES PENTE CONSTANTE INVARIANCE D'ECHELLE

21 Caractérisation du comportement hyperbolique des séries horaires. Mont-Aigual hourly rain gage station Survival plot Power-law q exponent estimation Estimateur de Max de vraisemblance (MLE) q=1 n x x -3 i Outliers 1 min xi ln x min

22 Caractérisation du comportement hyperbolique des séries horaires. Mont-Aigual hourly rain gage station Survival plot Power-law q exponent estimation Estimateur de Max de vraisemblance (MLE) q=1 n x x i 1 min xi ln x min Lower bound xmin Test Kolmogorov-Smirnov (Goldstein et al,.2004) On répète cette opération pour l'ensemble des pluviomètres xmin = (x D(x)=min) Ceresetti et al., 2009

23 Régionalisation des propriétés d'échelle Déjà pour 1h on note une structure spatiale de q bien liée à la topographie. Interval de confiance Crête: Faible variabilité de la pluie q>3,6 Ic<20% of q q~3,1 Plaine de Nîmes: variabilité élevée de la pluie q pour T=1h Loi de puissance --> Acceptable

24 Régionalisation des propriétés d'échelle Probability Distribution d 1h P I = c 2h P I 1 4h q<3,4 q<3,4 q<3,4 Plaine --> Fiabilité de la mesure + q constant --> ~ Simple scaling Ceresetti et al., 2009

25 Conclusion partielle Trés forte variabilité de la pluie horaire: MAX>500*MEAN Intervalle de confiance Comportement hyperbolique des distributions plus évident en plaine. 1h Auto-similarité temporelle respectée en plaine --> Paramètre Forme = const AIDE À LA MODELISATION DES EXTREMES 2h 4h

26 Reconstruction des pluies horaires par cascade multiplicative

27 Cascade Multiplicative On cherche à reconstruire toutes les pluies (positives et nulles) Désagrégation avec conservation de: moyenne et auto-affinité de moments structure. Générateur stable par multiplication Schertzer and Lovejoy, 1987 Gupta and Waymire, 1990 Veneziano and Furcolo, 2005 La désagrégation est limitée à séries invariantes d'échelle

28 Reconnaitre l'invariance d'échelle: Méthodes qualitatives Méthode qualitative: spectre de puissance Méthode qualitative: analyse de CDF Exemple: station de Montpellier Bel Air 24h 12h 8h 4h 2h Absence échelle caractéristique --> Scaling 1h Distribution similaires --> Scaling

29 Méthode quantitative: Analyse des moments Simple scaling (auto-similarité) K(q) Moment <Iq> q=3 1 K(3) q=2.5 3 q=2 q=1.5 q Multiple scaling (auto-affinité) q=1 K(q) Time (h) Station de Montpellier Bel Air Montpellier Bel Air: Auto-affinité entre 1h et 10 j q

30 Analyse des séries journalières On fait la même hypothèse sur toutes les stations (auto-affinité entre 1h et 10 j) Exemple: Roqueredonde Moment Iq Étape 1: analyse invariance d'échelle des pluies journalières 1 K(2.5) Étape 2: calage d'un modèle à 3 paramètres q=2.5 q=2 q=1.5 q=1 q= Duration (days) 1 On caractérise la structure multifractale de la pluie à chaque station

31 Cascade Multiplicative Étape 3: reconstruction séries horaires par cascade multiplicative Exemple: Roqueredonde Séquence chronologique --> NO Structure de corrélation --> OUI

32 Analyse des maxima Étape 4: Analyse des maxima annuels à chaque station Station d'exemple: Roqueredonde

33 Cartes intensité pluie T=1h, Tr=10 ans Étape 5: régionalisation des pluies extrêmes et comparaison avec Bois et al (1996) Bois et al (1996) Reconstruction par cascade Max = 80 mm/h Max > 64 mm/h Dépendance des pluvio isolés --> générateur de pluie avec extrêmes vraisemblables

34 Conclusion partielle Analyse multifractale est la base pour la désagrégation par cascade multiplicative: la structure de corrélation des séries à toutes échelles est vraisemblable Les extrêmes sont bien reproduits Utilité dans l'évaluation des extrêmes en zones non jaugés Aide à la compréhension des extrêmes en zone jaugés L'approche (1D) peut être facilement généralisée en spatio-temporel

35

36 Conclusion Les travaux sur la pluie ponctuelle (1D) ont permis de maitriser les outils relatifs à: Extrêmes Géostatistique Analyse multi-échelle Implémentation cascades Ces outils vont être utilisés pour l'étude spatio-temporel. Perspectives Application à la comparaison multi-échelle modèles-observations ( co-encadrement stage M2R J. Labalette) Application à l'étude de la structure multifractale des éclairs (co-encadrement stage M1 Physique David Santos-Cottin)

37 Aspect spatiale --> Problématiques rencontrées Interpolation pluie ponctuelle On veut caractériser la structure des pluies mais on la impose avec un variogramme! Champ de pluie horaire krigée, 24/04/1993, 16h-17h. Modifications au champ réel induites par: Issue des mesures de réflectivité radar 09 Sept 2005: Pluie istantanee estimee Radar de Bollene Relation Z-R Projection cartésienne Echo-sol

38 Merci pour l'attention Journée des thèses 13 mars 2009

Application de l'analyse multifractale à l'estimation des crues extrêmes en Tunisie

Application de l'analyse multifractale à l'estimation des crues extrêmes en Tunisie Hydrology of die Mediterranean and Semiarid Regions (Proceedings of an inlernational symposium held at Montpellier.' April 2003). IAHS Publ. no. 278. 2003. 251 Application de l'analyse multifractale à

Plus en détail

Exercice n HF 0201 - Corrigé

Exercice n HF 0201 - Corrigé ENAC/ISTE/HYDRAM HYDROTHEQUE : base de données d exercices en Hydrologie Cours : Hydrologie Fréquentielle / Thématique : Construction des courbes IDF Exercice n HF 0201 - Corrigé Logo optimisé par J.-D.Bonjour,

Plus en détail

Table des matières. Liste des figures. Liste des tableaux

Table des matières. Liste des figures. Liste des tableaux Table des matières Liste des figures Liste des tableaux Table des matières Introduction 1 Partie A : Etude bibliographique 3 A1. Définition des concepts de bassin versant, de système et de modèle 7 A1-1.

Plus en détail

Risques hydrologiques & aménagement du territoire Projet d évaluation

Risques hydrologiques & aménagement du territoire Projet d évaluation Risques hydrologiques & aménagement du territoire Professeur responsable : Christophe ANCEY Assistant responsable : Blaise DHONT Date de rendu : 8 janvier 2016 Conditions du projet : travail à rédiger

Plus en détail

ANALYSE de CAPACITÉ d'un PROCESSUS

ANALYSE de CAPACITÉ d'un PROCESSUS ANALYSE de CAPACITÉ d'un PROCESSUS ( aptitude d'un processus à satisfaire des exigences / spécifications) Définition Limites "naturelles" de variabilité Distinction entre 3 sortes de limites Étapes pour

Plus en détail

Statistiques des lois à queue régulière avec l application sur les perturbations des comètes

Statistiques des lois à queue régulière avec l application sur les perturbations des comètes Statistiques des lois à queue régulière avec l application sur les perturbations des comètes Shuyan LIU Université Paris - SAMM Youri DAVYDOV et Radu STOICA Université Lille - Laboratoire Paul Painlevé

Plus en détail

Les modèles numériques en hydrologie et en hydraulique

Les modèles numériques en hydrologie et en hydraulique Les modèles numériques en hydrologie et en hydraulique V. Guinot Université Montpellier 2 Maison des Sciences de l Eau 34095 Montpellier Cedex 5 guinot@msem.univ-montp2.fr 1. L hydrologie et l hydraulique

Plus en détail

Statistique. Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.

Statistique. Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7. Statistique Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.fr Cours Statistique, 2010 p. 1/52 Plan du cours Chapitre 1 : Estimation

Plus en détail

JOURNÉES EAU ET ENVIRONNEMENT

JOURNÉES EAU ET ENVIRONNEMENT Eléments de réflexion sur les outils de calcul utilisés en hydrologie urbaine et leur variables d entrées Rémi WAGNER Page 2/X CONTEXTE Recours recommandé à l utilisation des modèles COMMENT EVITER? Rémi

Plus en détail

Simulations conditionnelles de processus max-stables : applications

Simulations conditionnelles de processus max-stables : applications Simulations conditionnelles de processus max-stables : applications Aurelien Bechler Séminaire RocheBrune Thèse encadrée par Liliane Bel (INRA) et Mathieu Vrac (LSCE) 4 Avril 2012 Aurélien Bechler Simulations

Plus en détail

Données pluviométriques et critères de conception

Données pluviométriques et critères de conception 1. Infiltration Les ouvrages doivent permettre l infiltration d au moins 6 mm de pluie (ou davantage si les conditions de sol le permettent). 2. Traitement local Lorsqu un traitement local est exigé, les

Plus en détail

Utilisation concomitante des données pluviométriques et radar

Utilisation concomitante des données pluviométriques et radar Utilisation concomitante des données pluviométriques et radar Procédé de fusion des deux sources indépendantes de données Diminution des incertitudes sur les mesures de pluie Réduction du coût des campagnes

Plus en détail

Ordonnancement temps réel multiprocesseur pour la réduction de la consommation énergétique des systèmes embarqués

Ordonnancement temps réel multiprocesseur pour la réduction de la consommation énergétique des systèmes embarqués Soutenance de thèse Ordonnancement temps réel multiprocesseur pour la réduction de la consommation énergétique des systèmes embarqués Vincent LEGOUT Directeurs de thèse : Laurent PAUTET, Mathieu JAN CEA

Plus en détail

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon PACES - APEMK UE 4 Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie

Plus en détail

APPROCHES SIMPLIFIÉES POUR L ÉVALUATION DES PARAMÈTRES DE CONCEPTION POUR LES BASSINS DE FAIBLES DIMENSIONS. Gilles Rivard, ing. M. Sc.

APPROCHES SIMPLIFIÉES POUR L ÉVALUATION DES PARAMÈTRES DE CONCEPTION POUR LES BASSINS DE FAIBLES DIMENSIONS. Gilles Rivard, ing. M. Sc. APPROCHES SIMPLIFIÉES POUR L ÉVALUATION DES PARAMÈTRES DE CONCEPTION POUR LES BASSINS DE FAIBLES DIMENSIONS Gilles Rivard, ing. M. Sc. Québec 15 mars 2012 PRÉSENTATION Particularités des petits bassins

Plus en détail

Extranet zonal d appui. à la gestion de crise météorologique. Journées Professionnelles de l ENSOSP, le 13 février 2014

Extranet zonal d appui. à la gestion de crise météorologique. Journées Professionnelles de l ENSOSP, le 13 février 2014 Extranet zonal d appui à la gestion de crise météorologique Journées Professionnelles de l ENSOSP, le 13 février 2014 1 La vigilance météorologique 4 couleurs (V, J, O, R) qualifiant le niveau d événement

Plus en détail

Détection statistique d anomalies en présence de paramètres de nuisance

Détection statistique d anomalies en présence de paramètres de nuisance Détection statistique d anomalies en présence de paramètres de nuisance Lionel Fillatre ENST Bretagne, département Signal & Communication Lionel Fillatre (département SC) Détection d anomalies 1 / 29 Structure

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chapitre 4 : RÉGRESSION 4.3 Régression linéaire multiple 4.3.1 Equation et Estimation 4.3.2 Inférence 4.3.3 Coefficients de détermination 4.3.4 Spécifications Régression linéaire multiple 1 / 50 Chapitre

Plus en détail

Validation probabiliste d un Système de Prévision d Ensemble

Validation probabiliste d un Système de Prévision d Ensemble Validation probabiliste d un Système de Prévision d Ensemble Guillem Candille, janvier 2006 Système de Prévision d Ensemble (EPS) (ECMWF Newsletter 90, 2001) Plan 1 Critères de validation probabiliste

Plus en détail

Analyses spatio-temporelles des dommages assurés

Analyses spatio-temporelles des dommages assurés Evénements et territoires : le coût des inondations en France Analyses spatio-temporelles des dommages assurés David BOURGUIGNON Conférence-débat Vers une connaissance partagée des événements naturels

Plus en détail

Prédétermination des valeurs extrêmes de pluies et de crues» (EXTRAFLO)

Prédétermination des valeurs extrêmes de pluies et de crues» (EXTRAFLO) Projet ANR-08-RISK-03-01 Prédétermination des valeurs extrêmes de pluies et de crues» (EXTRAFLO) Programme RISKNAT 2008 Tâche III : Inter-comparaison des méthodes probabilistes Rapport III.7 «Comparaison

Plus en détail

Interactions en crue. entre drainage souterrain. et assainissement agricole

Interactions en crue. entre drainage souterrain. et assainissement agricole Interactions en crue entre drainage souterrain et assainissement agricole Yves NÉDÉLEC 0 Plan de l'exposé I. : Drainage intensif et crues de petits bassins versants II. des mesures de terrain du fossé

Plus en détail

Utilisation de l imagerie spatiale pour le suivi de la désertification au Maroc

Utilisation de l imagerie spatiale pour le suivi de la désertification au Maroc Utilisation de l imagerie spatiale pour le suivi de la désertification au Maroc Atelier sur l utilisation des techniques spatiales pour le développement durable Rabat, 26 avril 2007 Noureddine BIJABER,

Plus en détail

Evaluation des niveaux de pollution en proximité trafic dans la vallée de la Thur ASPA10040602-ID Avril 2010

Evaluation des niveaux de pollution en proximité trafic dans la vallée de la Thur ASPA10040602-ID Avril 2010 Evaluation des niveaux de pollution en proximité trafic dans la vallée de la Thur ASPA1462-ID Avril 21 Contrat 6-8 : Evaluation de la qualité de l air en proximité trafic sur Thann 1 Conditions de diffusion

Plus en détail

Reconstruction tridimensionnelle de la surface de fibres et suivi de leurs déformations

Reconstruction tridimensionnelle de la surface de fibres et suivi de leurs déformations Reconstruction tridimensionnelle de la surface de fibres et suivi de leurs déformations Kenza IKOUOUBEL Encadrants: Dr. Raphaël Passas, Dr. Pierre Dumont En collaboration avec Dr. Manuel Mikczinski (OFFIS)

Plus en détail

Courbes IDF et changements climatiques récents développements

Courbes IDF et changements climatiques récents développements Courbes IDF et changements climatiques récents développements Alain Mailhot Professeur Symposium de l Association Internationale pour le Contrôle de l Érosion (AICE) 11 avril 2017, Montréal (Québec) Précipitations,

Plus en détail

Autour de Perron, Frobenius et Markov

Autour de Perron, Frobenius et Markov Université Claude Bernard Lyon 1-2007/2008 Préparation Capes - Algèbre et Géométrie - Devoir à rendre le 12 février 2008 - Autour de Perron Frobenius et Markov Rappels et notations On note M mn (K) le

Plus en détail

Volume et température d un gaz

Volume et température d un gaz Volume et température d un gaz Par Pascal Rebetez Janvier 7 Introduction Après avoir étudié expérimentalement la relation entre le volume et la température d un gaz (de l air), nous comparons les données

Plus en détail

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50 10. Estimation MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: estimation 1/50 Plan 1. Introduction 2. Estimation ponctuelle 3. Estimation par intervalles de confiance 4. Autres

Plus en détail

MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE

MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE Pierre-Louis Gonzalez 1 I INTRODUCTION 1 variable qualitative. Tri à plat. Représentations graphiques. Modélisation : loi binomiale loi multinomiale

Plus en détail

Maintenance et outils d aide à la décision dans un contexte de développement durable

Maintenance et outils d aide à la décision dans un contexte de développement durable 6 ème Séminaire transnational Nantes, le 7 juin2011 Maintenance et outils d aide à la décision dans un contexte de développement durable par E. BASTIDAS-ARTEAGA et F. SCHOEFS Institut de Recherche en Génie

Plus en détail

Chapitre 5. Chapitre 5: Prévision 115. Slide 186

Chapitre 5. Chapitre 5: Prévision 115. Slide 186 Chapitre 5: Prévision 115 Slide 186 Chapitre 5 Prévision Dans ce chapitre, nous aordons les prolèmes de prévision de la demande, qui sont très importantes à moyen terme pour l étlissement du plan agrégé,

Plus en détail

Dossier de validation : Analyse des photo-initiateurs dans le liquide de contact ayant été mis en contact avec des emballages multicouches

Dossier de validation : Analyse des photo-initiateurs dans le liquide de contact ayant été mis en contact avec des emballages multicouches P. : 1/7 Table des matières 1 Introduction...2 2 Processus de la validation...2 3 Plan de la validation...3 4 Résultats de la validation...3 4.1 Spécificité...3 4.1.1 Critère d acceptation...3 4.1.2 Résultats...4

Plus en détail

4.1 Planification d une expérience complètement randomisée

4.1 Planification d une expérience complètement randomisée Chapitre 4 La validation des hypothèses d ANOVA à un facteur Dans le modèle standard d ANOVA, on a fait quelques hypothèses. Pour que les résultats de l analyse effectuée soient fiables, il est nécessaire

Plus en détail

Figure 1 Carte de répartition de la pluviométrie au Bénin (Thèse de Lambrecht, 2007)

Figure 1 Carte de répartition de la pluviométrie au Bénin (Thèse de Lambrecht, 2007) PLUVIOMETRIE DANS LE MONO-COUFFO 01/avril10 Hervé Ce rapport a été effectué dans le cadre du stage d Armel DONKPEGAN, qui portait de manière général sur les Aménagements Hydro-Agricoles et l Environnement

Plus en détail

Les diamants Prix et caractéristiques

Les diamants Prix et caractéristiques Exploration d un fichier de données Valérie Fontanieu - Ingénieur statisticien Institut National de Recherche Pédagogique Les diamants Prix et caractéristiques Données parues dans le Singapore s Business

Plus en détail

Econométrie des modèles de durée

Econométrie des modèles de durée Econométrie des modèles de durée Guillaume Horny Banque de France et UCLouvain Master 2 MOSEF Guillaume Horny (Banque de France) Econométrie des durées (chap 2) 2009 1 / 59 Chapitre 2 : Temps discret et

Plus en détail

Planification des salles opératoires avec durées d interventions aléatoires

Planification des salles opératoires avec durées d interventions aléatoires Planification des salles opératoires avec durées d interventions aléatoires Mehdi LAMIRI, Xiaolan XIE, Alexandre DOLGUI et Frédéric GRIMAUD Centre Ingénierie et santé Centre Génie Industriel et Informatique

Plus en détail

1.1. Remplacer le début des phrases suivantes par : «La tension aux bornes d un(e)» ou «L intensité du courant dans un(e)».

1.1. Remplacer le début des phrases suivantes par : «La tension aux bornes d un(e)» ou «L intensité du courant dans un(e)». BTS 2003 Le problème porte sur l impression de tickets de caisse du système de distribution de cartes d entrée de piscine. Dans la première partie, on étudiera l impression thermique de tickets de caisse,

Plus en détail

Séminaire de Statistique

Séminaire de Statistique Master 1 - Economie & Management Séminaire de Statistique Support (1) Statistique descriptive «Uni & Bi-variée» R. Abdesselam - 2013/2014 Faculté de Sciences Economiques et de Gestion Université Lumière

Plus en détail

Télé-épidémiologie et cartographie de l aléa entomologique du paludisme An. darlingi à St Georges de l Oyapock (Guyane)

Télé-épidémiologie et cartographie de l aléa entomologique du paludisme An. darlingi à St Georges de l Oyapock (Guyane) Télé-épidémiologie et cartographie de l aléa entomologique du paludisme An. darlingi à St Georges de l Oyapock (Guyane) Antoine ADDE 1, Samuel B. VEZENEGHO 1, Romuald CARINCI 1, Jean ISSALY 1, Pascal GABORIT

Plus en détail

Bases du traitement des images. Détection de contours

Bases du traitement des images. Détection de contours Détection de contours Dominique.Bereziat@lip6.fr Contributions: N. Thome, D. Béréziat, S. Dubuisson Octobre 2015 1 / 76 Introduction Rôle primordial de la détection de contours en vision 1 Réduction d

Plus en détail

Centre d expertise en analyse environnementale du Québec

Centre d expertise en analyse environnementale du Québec Centre d expertise en analyse environnementale du Québec Programme d accréditation des laboratoires d analyse PROTOCOLE POUR LA VALIDATION D UNE MÉTHODE D ANALYSE EN CHIMIE DR-12-VMC Édition : 6 mars 2015

Plus en détail

Sol-Agrosystème-Hydrosystème

Sol-Agrosystème-Hydrosystème L I S A H Laboratoire d étude des Interactions Sol-Agrosystème-Hydrosystème y y Plate-forme de modélisation des flux de matière dans le paysage UMR SupAgro / INRA / IRD, Montpellier, France Objectifs et

Plus en détail

COURS DE DATA MINING 6 : MODELISATION NON-SUPERVISEE LES ANALYSES FACTORIELLES

COURS DE DATA MINING 6 : MODELISATION NON-SUPERVISEE LES ANALYSES FACTORIELLES COURS DE DATA MINING 6 : MODELISATION NON-SUPERVISEE LES ANALYSES FACTORIELLES EPF 4/ 5 ème année - Option Ingénierie d Affaires et de Projets - Finance Bertrand LIAUDET 6 : Modélisation non-supervisée

Plus en détail

Conditions pluviométriques locales

Conditions pluviométriques locales FICHE INSTRUCTEUR N 3 DÉCEMBRE 2014 Procédures d'autorisation et de déclaration des projets d aménagement au titre du code de l'environnement rubrique 2.1.5.0 : rejets d'eaux pluviales Conditions pluviométriques

Plus en détail

Analyse statistique avec MATLAB pour une modélisation et une estimation de la Value at Risk. Conference MATLAB, 11 Juin 2013 Grand Palais, Paris

Analyse statistique avec MATLAB pour une modélisation et une estimation de la Value at Risk. Conference MATLAB, 11 Juin 2013 Grand Palais, Paris Analyse statistique avec MATLAB pour une modélisation et une estimation de la Value at Risk Conference MATLAB, 11 Juin 213 Grand Palais, Paris Table des matières Contexte du Fonds d Epargne Définitions

Plus en détail

METHODE DU GRADEX INTRODUCTION IV-8. RAPPELS SUR LA METHODE DU GRADEX

METHODE DU GRADEX INTRODUCTION IV-8. RAPPELS SUR LA METHODE DU GRADEX METHODE DU GRADEX INTRODUCTION Cette partie est un résumé des travaux effectués à l occasion d une comparaison de deux méthodes d évaluation des probabilités de crues de fréquence rare. On trouvera une

Plus en détail

Chauffage IR des composites - application au procédé d'infusion de résine

Chauffage IR des composites - application au procédé d'infusion de résine Matériaux et structures composites : Caractérisation thermique et transferts dans les procédés de mise en forme et d assemblage. Vendredi 25 septembre 2009 Chauffage IR des composites - application au

Plus en détail

Exercice II. l offre de transport (en tonnes.kilomètres) l effectif le poids de la flotte (en tonnes) le caractère public ou privée de la compagnie

Exercice II. l offre de transport (en tonnes.kilomètres) l effectif le poids de la flotte (en tonnes) le caractère public ou privée de la compagnie 1 Exercice II II. On dispose de données (fichier «aviation87.xls», section Exemples pour Excel) concernant le transport aérien en 1987, et indiquant pour 50 compagnies occidentales : Q L K PP l offre de

Plus en détail

Physique Statistique. N.Vandewalle S.Dorbolo

Physique Statistique. N.Vandewalle S.Dorbolo Physique Statistique N.Vandewalle S.Dorbolo Objectifs du cours Donner un aperçu de la physique statistique. Obtenir un autre regard du monde de la physique. Réaliser des TP originaux : «phénomène sans

Plus en détail

M O D É L I S AT I O N DE LA T E M P É R AT U R E DA N S

M O D É L I S AT I O N DE LA T E M P É R AT U R E DA N S M O D É L I S AT I O N DE LA T E M P É R AT U R E DA N S L ES P R ÉA L P ES VAU D O I S ES Gauthier Sandoz, master en biogéosciences Sous la direction de: Prof. Antoine Guisan & Jean-Nicolas Pradervand

Plus en détail

Les différenciations de salaires au cours de la carrière : deux études sur un panel long.

Les différenciations de salaires au cours de la carrière : deux études sur un panel long. Les différenciations de salaires au cours de la carrière : deux études sur un panel long. Sébastien Roux INSEE-CREST COE, 13 mai 2008 Roux (CREST) Trajectoires salariales COE, 13 mai 2008 1 / 36 Introduction

Plus en détail

2- La relation risque rentabilité attendue

2- La relation risque rentabilité attendue 2- La relation risque rentabilité attendue L'incertitude est au cœur de la logique financière. Par la composition de leur portefeuille, les investisseurs choisissent un profil de risque. Si on suppose

Plus en détail

Deuxième partie II. Cours 4 à 6 : Construction d estimateurs, Modèle linéaire, Tests et intervalles de confiance

Deuxième partie II. Cours 4 à 6 : Construction d estimateurs, Modèle linéaire, Tests et intervalles de confiance Deuxième partie II Cours 4 à 6 : Construction d estimateurs, Modèle linéaire, Tests et intervalles de confiance (version corrigée, 4 avril 27) Construction d estimateurs 4 Construction d estimateurs Estimateur

Plus en détail

Chapitre 2. Caractéristiques des distributions à une variable quantitative

Chapitre 2. Caractéristiques des distributions à une variable quantitative Chapitre 2. Caractéristiques des distributions à une variable quantitative Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University

Plus en détail

Etude comparative de logiciels de simulation dynamique : leçons à tirer

Etude comparative de logiciels de simulation dynamique : leçons à tirer Journée technique du Paris Etude comparative de logiciels de simulation dynamique : leçons à tirer Olivier Richard, Aurélien Duret CETE de Lyon / département Mobilités journee2011.simulationdynamique.fr

Plus en détail

Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire

Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire Julien JACQUES Polytech Lille - Université Lille 1 Julien JACQUES (Polytech Lille) Statistiques de base 1 / 48 Plan 1 Tests

Plus en détail

Gestion Temps Réel de la Rivière Lorette

Gestion Temps Réel de la Rivière Lorette Gestion en Temps Réel de la Rivière Lorette - Congrès Infra 2015 Gestion Temps Réel de la Rivière Lorette Adaptation des outils de gestion et de prévision des inondations Denis Brisson, Ing., Ville de

Plus en détail

Modélisation PCSWMM 2D d un secteur critique

Modélisation PCSWMM 2D d un secteur critique Modélisation PCSWMM 2D d un secteur critique Par : Véronique Fortier, ing., Tetra Tech, division Municipal - Eau Marie Paré-Bourque,ing., M.Sc, Tetra Tech, division Municipal - Eau Boris Gervais Salou,

Plus en détail

Analyse multi échelle du risque sismique d une structure reposant sur un complexe de sol amélioré

Analyse multi échelle du risque sismique d une structure reposant sur un complexe de sol amélioré Restitution PARN CG38 31 Janvier 2012 Analyse multi échelle du risque sismique d une structure reposant sur un complexe de sol amélioré Thèse Hana Santruckova Stage M2 MEMS Alberto Cofone Encadrement:

Plus en détail

Étude d'une voie réservée aux bus et taxis sur A6 entre Orly et Paris

Étude d'une voie réservée aux bus et taxis sur A6 entre Orly et Paris Étude d'une voie réservée aux bus et taxis sur A6 entre Orly et Paris DRIEA Ile de France Clément MORIN et Grégory Ooghe Plan de la présentation La microsimulation à la DRIEA Cadrants modélisés Méthodologie

Plus en détail

8. Statistique descriptive

8. Statistique descriptive 8. Statistique descriptive MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: statistique descriptive 1/47 Plan 1. Introduction 2. Terminologie 3. Descriptions graphiques des

Plus en détail

La rentabilité des actifs financiers

La rentabilité des actifs financiers La rentabilité des actifs financiers Définitions : taux de rentabilité (actuariel) = taux d'actualisation qui annule la valeur actuelle nette. «RA» pour un investissement «financier» «RI» pour un investissement

Plus en détail

Économétrie. Francesco Quatraro M1 EFM 2010/2011

Économétrie. Francesco Quatraro M1 EFM 2010/2011 Francesco Quatraro M1 EFM 2010/2011 1 La violation des hypothèses Le modèle des MCO considère que les hypothèses suivantes sont toutes respectées: H1: le modèle est linéaire en x i,t H2: les valeurs x

Plus en détail

Impacts potentiels des changements climatiques sur les évènements hydrologiques extrêmes : sévérité des étiages et risques de crues

Impacts potentiels des changements climatiques sur les évènements hydrologiques extrêmes : sévérité des étiages et risques de crues Impacts potentiels des changements climatiques sur les évènements hydrologiques extrêmes : sévérité des étiages et risques de crues Auteur : Jean François Cyr, M.Sc., ingénieur, responsable des projets

Plus en détail

Modèle décisionnel. projet SACADEAU / 3 décembre 2003 / Fred Garcia et Florent Tortrat

Modèle décisionnel. projet SACADEAU / 3 décembre 2003 / Fred Garcia et Florent Tortrat Modèle décisionnel projet SACADEAU / 3 décembre 2003 / Fred Garcia et Florent Tortrat Scénarios et modèle décisionnel Modèle décisionnel Pour chaque parcelle, détermination et déroulement simulé d un itinéraire

Plus en détail

Le programme HyMeX. Coordination: Véronique Ducrocq (CNRM, Météo-France) Philippe Drobinski (IPSL/LMD, CNRS) http://www.hymex.org

Le programme HyMeX. Coordination: Véronique Ducrocq (CNRM, Météo-France) Philippe Drobinski (IPSL/LMD, CNRS) http://www.hymex.org Le programme HyMeX Coordination: Véronique Ducrocq (CNRM, Météo-France) Philippe Drobinski (IPSL/LMD, CNRS) http://www.hymex.org Enjeux & Objectifs Enjeux: (1) coût des inondations = plusieurs milliards

Plus en détail

SIG&GPS : 2013-2014. Pr.Moha EL-AYACHI 1. Partie 3. Concepts de base du GPS/GNSS. Fondements de base en GPS et GNSS

SIG&GPS : 2013-2014. Pr.Moha EL-AYACHI 1. Partie 3. Concepts de base du GPS/GNSS. Fondements de base en GPS et GNSS Pr.Moha EL-AYACHI 1 Partie 3 Concepts de base du GPS/GNSS Fondements de base en GPS et GNSS A la fin de cette partie, vous serez capable de comprendre : Le principe du GPS et GNSS Les conditions d'une

Plus en détail

Modélisation et analyse des structures des réseaux hydrographiques

Modélisation et analyse des structures des réseaux hydrographiques Modélisation et analyse des structures des réseaux hydrographiques Université des Sciences et Techniques du Languedoc Stage de Master Parcours : Fonctionnement des Ecosystèmes Naturels Et Cultivés Réalisé

Plus en détail

Principe d un test statistique

Principe d un test statistique Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2008/2009 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre

Plus en détail

Reconnaissance de Forme Statistique

Reconnaissance de Forme Statistique Reconnaissance de Forme Statistique James L. Crowley Deuxième Année ENSIAG Deuxième semestre 2002/2003 Séance 7 7 avril et 26 mars 2003 PCA et la discriminante linéaire de Fisher Plan de la séance : L'analyse

Plus en détail

Qualité Six Sigma. Sommaire. Sylvain ROZÈS. 28 mars 2008. 1 Introduction 1. 2 Étude séparée de quatre échantillons 1

Qualité Six Sigma. Sommaire. Sylvain ROZÈS. 28 mars 2008. 1 Introduction 1. 2 Étude séparée de quatre échantillons 1 Qualité Six Sigma Sylvain ROZÈS 28 mars 2008 Sommaire 1 Introduction 1 2 Étude séparée de quatre échantillons 1 3 Étude sur l ensemble des échantillons 8 4 Étude sur les range 13 1 Introduction Le but

Plus en détail

Intérêt du découpage en sous-bandes pour l analyse spectrale

Intérêt du découpage en sous-bandes pour l analyse spectrale Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,

Plus en détail

Recherche opérationnelle dans le secteur de la construction (3/5)

Recherche opérationnelle dans le secteur de la construction (3/5) Recherche opérationnelle dans le secteur de la construction (3/5) Antoine Jeanjean Ingénieur de recherche Ecole des Mines de Nantes Amphi Georges Besse 14h30-16h30 Plan de la présentation Le Groupe Bouygues

Plus en détail

Modélisation 3D de la stabilité mécanique des pentes forestières & application à l éco-

Modélisation 3D de la stabilité mécanique des pentes forestières & application à l éco- Modélisation pour les ressources naturelles INRA, Montpellier 18-20 juin 2008 Labo Bot Modélisation 3D de la stabilité mécanique des pentes forestières & application à l éco- ingéni niérie & Eco Vég N.

Plus en détail

Grande batterie Expérience pratique du laboratoire Smart Grid de l EKZ

Grande batterie Expérience pratique du laboratoire Smart Grid de l EKZ Grande batterie Expérience pratique du laboratoire Smart Grid de l EKZ Michael Koller, responsable de gestion technologique, 31 mai 2016, Powertage 2016 Programme I. Laboratoire Smart Grid d EKZ II. Batterie

Plus en détail

RECOMMANDATION UIT-R P.1148-1

RECOMMANDATION UIT-R P.1148-1 Rec. UIT-R P.48- RECOMMANDATION UIT-R P.48- PROCÉDURE NORMALISÉE DE COMPARAISON DES VALEURS PRÉVUES ET OBSERVÉES DES INTENSITÉS DES SIGNAUX TRANSMIS PAR L'ONDE IONOSPHÉRIQUE DANS LA GAMME DES ONDES DÉCAMÉTRIQUES

Plus en détail

Système Pour l Apprentissage de la Régulation des TrAnsports Collectifs Urbains de Surface Un simulateur de formation réalisé par la RATP

Système Pour l Apprentissage de la Régulation des TrAnsports Collectifs Urbains de Surface Un simulateur de formation réalisé par la RATP 1 LE PROJET SPARTACUS Système Pour l Apprentissage de la Régulation des TrAnsports Collectifs Urbains de Surface Un simulateur de formation réalisé par la RATP 2 La régulation des autobus La régulation

Plus en détail

Visualisation de données. Fabrice Rossi Télécom ParisTech

Visualisation de données. Fabrice Rossi Télécom ParisTech Visualisation de données Fabrice Rossi Télécom ParisTech Plan Introduction Analyses univariées Variables numériques Histogramme Densité Boxplot et statistiques Conditionnement Variables nominales Analyses

Plus en détail

Présentation des stages et projets réalisés en Imagerie

Présentation des stages et projets réalisés en Imagerie Présentation des stages et projets réalisés en Imagerie Aurélie Canale Juin 2008 Introduction ISIMA : Option calcul et modélisation scientifiques Master recherche option imagerie Parcours axé imagerie,

Plus en détail

Problématiques des fondations d ouvrages sur permafrost dans les stations de sport d hiver

Problématiques des fondations d ouvrages sur permafrost dans les stations de sport d hiver 1 Problématiques des fondations d ouvrages sur permafrost dans les stations de sport d hiver SEANCE TECHNIQUE DU COMITE FRANÇAIS DE GEOLOGIE DE L INGENIEUR CNAM 31/01/2013 Héloïse Cadet et Lionel Lorier

Plus en détail

Valorisation de la géothermie :

Valorisation de la géothermie : formation continue universitaire Valorisation de la géothermie : Le rôle clé des réseaux de chaleur Partie III : Contraintes d un réseau basse densité 100% renouvelable : l exemple de Cartigny (GE) Floriane

Plus en détail

PALUDISME PENDANT LA GROSSESSE EN AFRIQUE

PALUDISME PENDANT LA GROSSESSE EN AFRIQUE PALUDISME PENDANT LA GROSSESSE EN AFRIQUE SUBSAHARIENNE: INFLUENCE DU CALENDRIER D ADMINISTRATION DU TRAITEMENT PRÉVENTIF INTERMITTENT BICH-TRAM HUYNH, MD PHD ACADÉMIE NATIONALE DE PHARMACIE, 4 DÉCEMBRE

Plus en détail

Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique

Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique Jean Gaudart Laboratoire d Enseignement et de Recherche sur le Traitement de l Information Médicale jean.gaudart@univmed.fr

Plus en détail

Cours 2 : Rappels de Statistique descriptive. A- Introduction B- Statistique descriptive unidimensionnelle C- Statistique descriptive bidimensionnelle

Cours 2 : Rappels de Statistique descriptive. A- Introduction B- Statistique descriptive unidimensionnelle C- Statistique descriptive bidimensionnelle Cours 2 : Rappels de Statistique descriptive A- Introduction B- Statistique descriptive unidimensionnelle C- Statistique descriptive bidimensionnelle A- Introduction A- Introduction Rappel : Série statistique

Plus en détail

Journée UMT Santé des Bovins

Journée UMT Santé des Bovins Journée UMT Santé des Bovins Outils d aide à la décision pour le traitement ciblé des jeunes bovins A. Chauvin, N. Ravinet, G. Dunn, A. Jolivel, A. Lehebel, N. Brisseau, R. Vermesse Résultats du programme

Plus en détail

Invariance d'échelle dans le trafic Internet: aspects méthodologiques

Invariance d'échelle dans le trafic Internet: aspects méthodologiques Invariance d'échelle dans le trafic Internet: aspects méthodologiques Steve UHLIG Département d'ingérnierie Informatique. Université catholique de Louvain 1/18 Agenda - Invariance d'échelle - Invariance

Plus en détail

Chapitre V : Qualité des eaux d'irrigation

Chapitre V : Qualité des eaux d'irrigation Chapitre V : Qualité des eaux d'irrigation Les eaux d irrigation par leur composition peuvent avoir une influence sur le sol (Coutinet, 1965). Comme, les eaux de la nappe du Mio-plio-quaternaire de la

Plus en détail

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année Programme de Mathématique Préparation Maths-Physique Analyse et Géométrie Différentielle Première Année I NOMBRES REELS ET COMPLEXES, SUITES ET FONCTIONS 1 Nombres réels et complexes 2 Suites de nombres

Plus en détail

PLAN DE GESTION GLOBAL ET EQUILIBRE DES PHASE 2 MODELISATION DES ECOULEMENTS ECOULEMENTS ET DES CRUES DES EAUX DE LA METEREN BECQUE DE SURFACE

PLAN DE GESTION GLOBAL ET EQUILIBRE DES PHASE 2 MODELISATION DES ECOULEMENTS ECOULEMENTS ET DES CRUES DES EAUX DE LA METEREN BECQUE DE SURFACE FRANCE SYMSAGEL PLAN DE GESTION GLOBAL ET EQUILIBRE DES ECOULEMENTS ET DES CRUES DES EAUX DE LA METEREN BECQUE PHASE 2 MODELISATION DES ECOULEMENTS DE SURFACE RAPPORT FINAL DE PHASE 2 OCTOBRE 2005 N 1

Plus en détail

Dossier de validation de l analyse multiélémentaire dans les liquides de migration suite au contact avec des ustensiles métalliques (CoE)

Dossier de validation de l analyse multiélémentaire dans les liquides de migration suite au contact avec des ustensiles métalliques (CoE) P. : 1/11 Table des matières 1 Processus de validation...1 2 Validation...2 2.1 Exactitude...2 2.1.1 Critère d acceptation :...2 2.1.2 Résultats :...2 2.1.3 Conclusion :...5 2.2 Fidélité...5 2.2.1 Critère

Plus en détail

a) Il n y a pas de contre indication à utiliser la loi normale. On peut donc utiliser des tests basés sur la loi normale comme ceux vus au cours.

a) Il n y a pas de contre indication à utiliser la loi normale. On peut donc utiliser des tests basés sur la loi normale comme ceux vus au cours. Probabilités et statistique Été 2006 ELEC, MICRO, MX Dr. Diego Kuonen Corrigé du TP 2 Exercice 1. Test de Student Normal Q Q Plot Sample Quantiles 985 990 995 1000 1005 1.5 1.0 0.5 0.0 0.5 1.0 1.5 a) Il

Plus en détail

Utilisation des Structures Combinatoires pour le Test Statistique. Contexte. Plan. Le test de logiciel. Les structures combinatoires décomposables

Utilisation des Structures Combinatoires pour le Test Statistique. Contexte. Plan. Le test de logiciel. Les structures combinatoires décomposables Utilisation des Structures Combinatoires pour le Test Statistique Sandrine-Dominique GOURAUD Équipe Programmation et Génie Logiciel, L.R.I. Co-encadrants: M.-C. Gaudel et A. Denise Plan Contexte Structures

Plus en détail

Document d orientation sur l utilisation des statistiques bayésiennes en publicité

Document d orientation sur l utilisation des statistiques bayésiennes en publicité Document d orientation sur l utilisation des statistiques bayésiennes en publicité Janvier 2013 1 Liste de contrôles des statistiques bayésiennes N o Liste de contrôle (les clients peuvent se servir de

Plus en détail

CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25

CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25 TABLE DES MATIÈRES Sommaire... 5 Avant- propos... 9 Remerciements... 19 À propos de l auteur... 23 CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25 1.1 Qu est- ce que

Plus en détail

Yann H. Kerr CESBIO. Yann H KERR 50 ans CNES

Yann H. Kerr CESBIO. Yann H KERR 50 ans CNES SO OMM MAIR RE Yann H. Kerr CESBIO 1 Apport du Spatial pour la gestion des Ressources en Eau Yann H Kerr Gérard Dedieu CESBIO Philippe Maisongrande LEGOS 2 Apport du Spatial pour la gestion des Ressources

Plus en détail

Équations différentielles en physique

Équations différentielles en physique Fiche Mathématiques pour la Physique - Équations différentielles en physique - MPSI 1 Lycée Chaptal - 2012 Équations différentielles en physique On ne considère en physique en prépa (quasiment) que des

Plus en détail

Modèle trimodal de calcul de l'inflation au Canada et son incidence sur l'indexation des rentes de régimes de retraite

Modèle trimodal de calcul de l'inflation au Canada et son incidence sur l'indexation des rentes de régimes de retraite Modèle trimodal de calcul de l'inflation au Canada et son incidence sur l'indexation des rentes de régimes de retraite Louis Adam, f.s.a., f.i.c.a. Professeur agrégé, École d actuariat, d Université Laval

Plus en détail

«Le devenir des stagiaires FSE» Interprétation des données récoltées par sondage. Christine Hesse Directrice Scientifique Sonecom

«Le devenir des stagiaires FSE» Interprétation des données récoltées par sondage. Christine Hesse Directrice Scientifique Sonecom «Le devenir des stagiaires FSE» Interprétation des données récoltées par sondage Christine Hesse Directrice Scientifique 14 octobre 2015 Comment évaluer des programmes de formation Choix méthodologique

Plus en détail