Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3."

Transcription

1 Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1

2 Volume 1 : Orentatons générales et établssement des rapports Auteurs Chrstopher Frey (États-Uns), Jm Penman (Royaume-Un) Lsa Hanle(États-Uns), Suv Monn (Fnlande), et Stephen Ogle (États-Uns) 3.2 Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre

3 Chaptre 3 : Incerttudes Table des matères 3 Incerttudes Introducton Vue d ensemble de l analyse des ncerttudes Structure globale de l analyse des ncerttudes Concepts clés et termnologe Base pour l analyse des ncerttudes Causes des ncerttudes Réducton des ncerttudes Implcatons du chox méthodologque Quantfcaton des ncerttudes Sources de données et d nformaton Incerttudes assocées aux modèles Données emprques sur les sources, les puts et l actvté L opnon d experts comme source d nformaton Technques pour la quantfcaton des ncerttudes Incerttude assocées aux modèles Analyse statstque des données emprques Méthodes de codage des opnons d experts Recommandatons en matère de sélecton des courbes de densté de probablté Méthodes pour la combnason des ncerttudes Nveau 1: propagaton d erreur Nveau 2: Smulaton Monte Carlo Combnasons des méthodes de Nveau 1 et Comparason entre les Nveaux Recommandatons sur le chox de la méthode Incerttude et autocorrélaton temporelle Utlsaton d autres technques approprées PrÉsentaton et documentaton Exemples Informatons technques de base Varables et équatons du Nveau Nveau 1 détals des équatons de l ncerttude de la tendance Trater les ncerttudes élevées et asymétrques dans les résultats de l analyse de Nveau Méthodologe pour le calcul de la contrbuton à l ncerttude Références Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.3

4 Volume 1 : Orentatons générales et établssement des rapports Équatons Equaton 3.1 Combnason des ncerttudes Nveau 1 multplcaton Equaton 3.2 Combnason des ncerttudes Nveau 1 addton et soustracton Equaton 3.3 Facteur de correcton pour la moté de la plage d ncerttude Equaton 3.4 moté de la plage d'ncerttude corrgée Equaton 3.5 Intervalles de confance asymétrques moyenne géométrque Equaton 3.6 Intervalles de confance asymétrques écart type géométrque Equaton 3.7 Moté de la plage d ncerttude nféreure/supéreure sur base de la propagaton d erreur Equaton 3.8 Contrbuton de la catégore de source X varance de l ncerttude symétrque Equaton 3.9 Contrbuton de la catégore de source X varance de l ncerttude asymétrque Fgures Fgure 3.1 Structure globale d une analyse générque des ncerttudes Fgure 3.2 Illustraton de l exacttude et de la précson Fgure 3.3 Exemples d ncerttudes symétrques et asymétrques assocées à un facteur d émsson Fgure 3.4 Exemple d ncerttudes assocées aux mesures d émsson et au taux moyen d émsson Fgure 3.5 Exemples de modèles de courbe de densté de probablté couramment utlsés Fgure 3.6 Illustraton de la méthode Monte Carlo Fgure 3.7 Dagramme de calcul pour l analyse Monte Carlo des émssons absolues et de la tendance pour une catégore ndvduelle, estmées en multplant le facteur d émsson par un taux d actvté Fgure 3.8 Exemple de graphes de fréquence des résultats d une smulaton Monte Carlo Fgure 3.9 Estmatons des plages d ncerttude asymétrques par rapport à la moyenne arthmétque selon une dstrbuton log-normale basée sur une moté de plage d ncerttude calculée à l ade d une méthode de propagaton d erreur Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre

5 Chaptre 3 : Incerttudes Tableaux Tableau 3.1 Stratéges typques pour trater les dfférentes causes d ncerttudes Tableau 3.2 Calcul de l ncerttude de Nveau Tableau 3.3 Tableau de présentaton général des ncerttudes Tableau 3.4 Exemple d une analyse de l ncerttude de Nveau 1 pour la Fnlande Tableau 3.5 Exemple de présentaton d une analyse des ncerttudes de Nveau 2 utlsant un tableau de présentaton général des ncerttudes Encadrés Encadré 3.1 Bref exemple d opnon d experts détallée Encadré 3.2 Exemple d une évaluaton des ncerttudes tratant les corrélatons par la méthode Monte Carlo 3.30 Encadré 3.3 Trater l ncerttude du modèle dans une analyse probablste Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.5

6 Volume 1 : Orentatons générales et établssement des rapports 3 INCERTITUDES 3.1 INTRODUCTION Le présent chaptre décrt les drectves en matère d estmaton et de présentaton des ncerttudes assocées aux estmatons annuelles des émssons et des absorptons et aux tendances des émssons et des absorptons dans le temps. Il a été rédgé du pont de vue de l organsme chargé de l nventare et présente, exemples à l appu, deux méthodes permettant de combner les ncerttudes assocées aux catégores de source afn d obtenr une estmaton des ncerttudes pour les émssons natonales totales nettes et leur tendance Vue d ensemble de l analyse des ncerttudes L estmaton des ncerttudes est un élément essentel d un nventare complet sur les émssons et les absorptons de gaz à effet de serre. Elle dot être réalsée à la fos au nveau natonal et au nveau de l estmaton de la tendance, ans que pour les dfférents composants de l estmaton tels que les facteurs d émsson, les données sur les actvtés et les autres paramètres d estmaton pour chaque catégore. Ces drectves présentent dès lors une approche structurée afn d estmer les ncerttudes de l nventare. Elles présentent des méthodes pour : Détermner les ncerttudes pour les varables ndvduelles utlsées dans l nventare (par ex., l estmaton des émssons lées à des catégores, facteurs d émsson et données sur les actvtés spécfques) ; Regrouper les ncerttudes des dfférents composants dans l nventare total ; Détermner les ncerttudes dans les tendances ; et Identfer des sources mportantes d ncerttudes dans l nventare pour permettre d allouer des prortés pour la collecte des données et les efforts dans le but d amélorer l nventare. Ben que les méthodes présentées c-dessous aent pour objectf l estmaton des ncerttudes dans les nventares natonaux, l est mportant de reconnaître que certanes ncerttudes non tratées par des méthodes statstques peuvent exster, y comprs des ncerttudes dues à des omssons, un double comptage ou d autres erreurs conceptuelles. Elles peuvent également résulter d une compréhenson ncomplète des procédés qu peuvent provoquer des nexacttudes dans les estmatons développées sur base des modèles. Une analyse des ncerttudes dot être consdérée, avant toute chose, comme un moyen permettant d établr des prortés dans les efforts natonaux vsant à rédure les ncerttudes dans les nventares à l avenr, et de guder les décsons portant sur les chox méthodologques. Par conséquent, les méthodes d'évaluaton des ncerttudes dovent être pratques, scentfquement valables, suffsamment robustes pour être applquées à dverses catégores d'émssons par source et d'absorptons par puts, méthodes et crconstances natonales, et présentées sous une forme compréhensble pour les utlsateurs de l nventare. Une secton de référence est fourne pour des nformatons plus détallées et plus théorques sur les sujets abordés dans ce chaptre. Une analyse quanttatve des ncerttudes est réalsée en estmant l ntervalle de confance de 95 pour cent des estmatons des émssons et des absorptons pour les catégores ndvduelles et pour l nventare total. La défnton de l ntervalle de confance de 95 pour cent est donnée à la Secton 3.1.3, Concepts clés et termnologe Structure globale de l analyse des ncerttudes Cette secton propose un bref aperçu de la structure globale de l analyse des ncerttudes, telle qu llustrée à la Fgure 3.1. Les estmatons des émssons/absorptons sont basées sur : (1) la conceptualsaton ; (2) les modèles ; et (3) les données d entrée et les hypothèses (par ex. les facteurs d émsson et les données sur les actvtés). Chacun d eux peut être une source d ncerttude. L analyse commence avec une conceptualsaton. Il s agt d un ensemble d hypothèses relatves à la structure d un nventare ou d un secteur. Ces hypothèses comprennent généralement la portée géographque, la moyenne temporelle, les catégores, les procédés d émsson ou d absorpton et les gaz qu sont nclus. Ces hypothèses et le chox méthodologque détermnent les besons en données et en nformaton. Il peut y avor une certane nteracton entre les données et les hypothèses et le chox méthodologque, ndqué par la flèche à double sens dans la fgure. Par exemple, la capacté de désagréger les catégores, qu peut être nécessare pour des méthodologes de nveau supéreur, peut dépendre de la dsponblté 3.6 Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre

7 Chaptre 3 : Incerttudes des données. Qu elles soent emprques ou basées sur l opnon d experts, les données dovent être soumses aux procédures approprées en matère de collecte de données et de CQ, tel qu explquées en détal aux Chaptres 2, Méthodes de collecte des données, et 6, Assurance de la qualté/contrôle de la qualté et vérfcaton, respectvement. Les modèles peuvent être de smples multplcatons arthmétques des facteurs d actvté et d émsson pour chaque catégore et la sommaton qu s en sut pour toutes les catégores, mas peuvent également nclure des modèles de procédé complexes spécfques à des catégores partculères. Les données et les nformatons obtenues au cours de la collecte de données entrent dans une base de connassances de données et d nformatons pour les ncerttudes plus spécfque, tel qu llustré et abordé en détal à la Secton 3.2.1, Sources de données et d nfomaton. Les causes spécfques d ncerttudes assocées à la conceptualsaton, aux modèles et aux données, sont abordées à la Secton et les technques permettant de quantfer les ncerttudes des données d entrée sont présentées à la Secton Ces données nécessares comprennent des estmatons du pourcentage d ncerttude et les courbes de densté de probablté sous-jacentes (les CDP sont abordées à la Secton 3.1.4) pour les entrées dans une analyse des ncerttudes d un nventare des émssons. Des méthodes permettant de combner les ncerttudes d entrée afn d arrver à une estmaton des ncerttudes pour des catégores ndvduelles et les résultats globaux de l'nventare sont explquées en détal à la Secton Deux approches sont présentées pour combner les ncerttudes. La premère approche consste en une procédure de calcul relatvement smple, à base de tableurs, qu se fonde sur quelques hypothèses pour smplfer les calculs. La seconde approche est basée sur une smulaton Monte Carlo et peut être applquée de manère beaucoup plus générale. Les deux approches permettent d obtenr une estmaton des ncerttudes globales assocées à un nventare total des gaz à effet de serre. Fgure 3.1 Structure globale d une analyse générque des ncerttudes Collecte des données Conceptualsaton Hypothèses de base et chox méthodologque Quantfcaton des ncerttudes d entrée CQ Estmaton des émssons/absorptons Combnason des ncerttudes (Approche 1 ou 2) Estmaton des émssons/absorptons Estmaton des ncerttudes Note : les cases ombrées sont l objet de ce chaptre Concepts clés et termnologe Les défntons assocées à la réalsaton d une analyse des ncerttudes comprennent les termes ncerttude, exacttude, précson et varablté. Ces termes sont quelquefos utlsés approxmatvement et peuvent être mal comprs. Ils ont en réalté des défntons statstques clares qu l convent d utlser afn d avor une dée clare quant à ce qu est quantfé et présenté. Dverses défntons sont données c-dessous, par ordre alphabétque : Bas : Manque d exacttude. Un bas (erreur systématque) peut se produre s tous les procédés pertnents n ont pas été prs en compte, s les données dsponbles ne sont pas représentatves de toutes les stuatons du monde réel ou s une erreur d nstrument s est produte. Courbe de densté de probablté (CDP) : La courbe de densté de probablté (CDP) désgne la plage et la vrasemblance relatve des valeurs possbles. La CDP peut être utlsée afn de décrre l ncerttude dans l estmaton d une quantté, c est-à-dre une constante fxe dont la valeur n est pas connue exactement, ou elle peut être utlsée afn de décrre une varablté nhérente. L objectf de l analyse de l ncerttude pour l nventare des émssons est de quantfer l ncerttude dans la valeur fxe nconnue des émssons totales, ans Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.7

8 Volume 1 : Orentatons générales et établssement des rapports que les émssons et l actvté afférentes aux catégores spécfques. Dès lors, dans ce chaptre, l est sousentendu que la CDP est utlsée afn d estmer l ncerttude, et non la varablté, à mons qu l n en sot spécfé autrement. Erreurs aléatores : Varaton aléatore supéreure ou nféreure à une valeur moyenne. L erreur aléatore est nversement proportonnelle à la précson. En règle générale, l erreur aléatore est quantfée par rapport à une valeur moyenne, mas la moyenne peut être basée ou non. Dès lors, l erreur aléatore est un concept dstnct de l erreur systématque. Erreur systématque : Un synonyme de bas qu réfère au manque d'exacttude. Exacttude : Agrément entre la valeur réelle et la moyenne d observatons ou estmatons mesurées répétées d une varable. Une mesure ou une prédcton exacte ne présente pas de bas ou, de manère équvalente, d erreur systématque. Incerttude : Absence de connassance de la valeur vrae d une varable qu peut être décrte comme une courbe de densté de probablté (CDP) caractérsant la fourchette et la vrasemblance des valeurs possbles. L ncerttude dépend de l état des connassances de l analyste, qu dépend de la qualté et de la quantté de données applcables ans que de la connassance des procédés sous-jacents et des méthodes d nférence. Intervalle de confance : La valeur réelle de la quantté pour laquelle l ntervalle dot être estmé est une constante fxe mas nconnue, comme les émssons annuelles totales dans une année donnée pour un pays donné. L'ntervalle de confance est une plage qu englobe la valeur vrae de cette quantté fxe nconnue avec un certan nveau de confance (probablté). En règle générale, un ntervalle de confance de 95 pour cent est utlsé dans les nventares de gaz à effet de serre. Dans une perspectve statstque tradtonnelle, l ntervalle de confance de 95 pour cent a une probablté de 95 pour cent d englober la valeur vrae mas nconnue de la quantté. Une autre nterprétaton est que l'ntervalle de confance est une fourchette qu peut sans rsque être déclarée cohérente avec les données ou nformatons observées. L ntervalle de confance de 95 pour cent est stué entre le 2,5 e centle et le 97,5 e centle de la courbe de densté de probablté. Précson : Agrément entre des mesures répétées de la même varable. Une melleure précson sgnfe mons d erreur aléatore. La précson est ndépendante de l exacttude. Varablté : L hétérogénété d une varable dans le temps, l espace ou les membres d une populaton (Morgan et Henron, 1990 ; Cullen et Frey, 1999). La varablté peut être le résultat, par exemple, de dfférences de concepton d un émetteur à l autre (varablté nterusne ou spatale) et dans les condtons de fonctonnement à un émetteur donné d un moment à un autre (varablté ntra-usne). La varablté est une proprété nhérente du système ou de la nature, et non de l analyste. Fgure 3.2 Illustraton de l exacttude et de la précson (a) nexact mas précs ; (b) nexact et mprécs ; (c) exact mas mprécs ; et (d) exact et précs. (a) (b) (c) (d) Les nventares dovent être exacts en cec qu'ls ne sont n surestmés n sous-estmés autant qu on pusse en juger, et précs en cec que les ncerttudes sont rédutes autant que possble. La Fgure 3.2 présente une comparason conceptuelle de l'exacttude et de la précson. Un nventare exact ne présente pas de bas mas peut être précs ou mprécs. Un nventare précs peut présenter une fable ncerttude mas s l'nventare est nexact, alors l'nventare surestme ou sous-estme systématquement les émssons ou absorptons réelles. L nexacttude, ou le bas, peut se produre s tous les procédés d émssons ou d absorptons pertnents n ont pas été prs en compte ou s les données dsponbles ne sont pas représentatves de stuatons du monde réel. Il n y a pas de nveau de précson prédétermné, en parte à cause de la varablté nhérente de certanes catégores. 3.8 Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre

9 Chaptre 3 : Incerttudes Base pour l analyse des ncerttudes Ce chaptre fat référence à deux concepts statstques fondamentaux : la courbe de densté de probablté (CDP) et l ntervalle de confance défns à la secton précédente. Alors que ce chaptre porte sur les aspects des ncerttudes permettant une quantfcaton de celles-c, l exste également des ncerttudes généralement non quantfables. L analyse quanttatve des ncerttudes tend à trater prncpalement des erreurs aléatores basées sur la varablté nhérente d'un système et la talle fne de l'échantllon des données dsponbles, les composants aléatores d une erreur de mesure ou les nférences quant au composant aléatore de l ncerttude obtenue de l opnon d experts. Au contrare, les erreurs systématques qu peuvent survenr sute à des mperfectons dans la conceptualsaton, les modèles, les technques de mesure ou d autres systèmes utlsés pour enregstrer ou provoquer des nférences des données, peuvent être ben plus dffcles à quantfer. Ans qu l est mentonné à la Secton 3.5, Établssement des rapports et documentaton, les bonnes pratques recommandent de décrre des sources potentelles d ncerttudes qu n ont pas été quantfées, en partculer en termes de conceptualsaton, de modèles et de données, et de fare tous les efforts possbles afn de les quantfer à l avenr. Conformément aux bonnes pratques, le bas dans les conceptualsatons, les modèles et les entrées aux modèles dot s possble être évté, notamment à l ade de procédures AQ/CQ approprées. Lorsque les bas ne peuvent être évtés, l faut, conformément aux bonnes pratques, les dentfer et les corrger lors du développement d une estmaton moyenne de l nventare. En partculer, l estmaton ponctuelle utlsée pour présenter l nventare ne dot contenr aucun bas autant que cela sot possble et pratque. Une fos que les bas sont corrgés autant que possble, l analyse des ncerttudes peut alors se concentrer sur la quantfcaton des erreurs aléatores par rapport à l'estmaton moyenne. Les bonnes pratques recommandent l utlsaton d un ntervalle de confance de 95 pour cent pour quantfer les erreurs aléatores. Elles peuvent également être exprmées en pourcentage de l estmaton centrale. Lorsque la CDP est symétrque, l ntervalle de confance peut être asément exprmé comme plus ou mons la moté de la largeur de l ntervalle de confance dvsée par la valeur estmée de la varable (par ex., ± 10 %). Lorsque la CDP n est pas symétrque, les lmtes supéreures et nféreures de l ntervalle de confance dovent être spécfées séparément (par ex., -30 %, +50 %). S la plage des ncerttudes pour une varable non-négatve est suffsamment pette par rapport à la valeur moyenne, alors les ncerttudes peuvent souvent être décrtes comme une plage symétrque par rapport à la valeur moyenne, comme llustré à la Fgure 3.3(a). Par exemple, s les émssons moyennes sont 1,0 untés, le 2,5e centle des ncerttudes est 0,7 untés, et le 97,5 e centle des ncerttudes est 1,3 untés, alors la plage des ncerttudes peut être défne comme 1,0 untés ±30 %. Cependant, lorsque la plage relatve des ncerttudes est large, et s les ncerttudes sont consdérées par rapport à une varable qu dot être non-négatve (comme un facteur d émsson), alors la plage des ncerttudes devent asymétrque par rapport à la moyenne, comme llustré à la Fgure 3.3(b). Par exemple, s les émssons moyennes sont 1,0 untés, le 2,5e centle des ncerttudes est 0,5 untés, et le 97,5 e centle des ncerttudes est 2,0 untés, alors la plage des ncerttudes peut être défne comme 1,0 untés -50 % à +100 %. Dans de telles stuatons, l est souvent plus commode de résumer les ncerttudes en procédant à des multplcatons, plutôt qu à des addtons. Dans cet exemple partculer, la lmte nféreure de la plage de probablté de 95 pour cent est la moté de la moyenne et la lmte supéreure est le double de celle-c. Une telle plage est habtuellement appelée un «facteur de 2». Une ncerttude d un «facteur de n» se rapporte à une plage dont la lmte nféreure est défne par (moyenne/n) et la lmté supéreure par (moyenne n). Auss, une ncerttude d un facteur de 10 aura une portée de 0,1 moyenne à 10 moyenne. L ncerttude de facteur 10 est également souvent appelée «un ordre de grandeur». Les pussances supéreures de 10 sont appelées «ordres de grandeur» ; par exemple, un facteur de 10 3 sera appelé tros ordres de grandeur. Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.9

10 Volume 1 : Orentatons générales et établssement des rapports Fgure 3.3 Exemples d ncerttudes symétrques et asymétrques assocées à un facteur d émsson (a) Exemple d une ncerttude symétrque de ±30 % par rapport à la moyenne Densté de probablté 2,5e centle Plage de probablté 95% - 30% +30% Moyenne 97,5e centle Exemple de facteur d émsson (b) Exemple d une ncerttude asymétrque de -50 % à +100 % par rapport à la moyenne, ou un facteur de deux 2,5e centle 97,5e centle Plage de probablté 95% - 50% +100% Moyenne Densté de b bl é Exemple de facteur d émsson Causes des ncerttudes Nombre de rasons peuvent explquer les dfférences entre les estmatons des émssons et des absorptons calculées dans un nventare et les valeurs réelles sous-jacentes. Certanes causes d ncerttude (par exemple, erreur d échantllonnage ou manque de fablté des nstruments de mesure) peuvent produre des estmatons de la plage d ncerttude potentelle ben défnes et asément caractérsées. Par contre, d autres causes d ncerttude (par ex. les bas) peuvent être ben plus dffcles à dentfer et à quantfer (Rypdal et Wnwarter, 2001). Les bonnes pratques recommandent de prendre en compte, autant que possble, toutes les causes d ncerttude dans une analyse des ncerttudes et de documenter clarement les rasons pour lesquelles certanes causes d ncerttude n ont pas été nclues. Le développeur de l nventare dot consdérer hut causes prncpales d ncerttude 1 : Absence d exhaustvté : Tel est le cas lorsqu'une mesure ou d autres données ne sont pas dsponbles sot parce que le procédé n'est pas encore reconnu ou parce que la méthode de mesure n'exste pas encore. De 1 Celles-c sont abordées en plus de detal dans Morgan et Henron (1990) et Cullen et Frey (1999) Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre

11 Chaptre 3 : Incerttudes manère générale, cette cause peut mener à une conceptualsaton ncomplète, qu résulte en un bas, mas elle peut également contrbuer à l apparton d une erreur aléatore selon la stuaton. Modèle : Les modèles peuvent être auss smples qu un multplcateur constant (un facteur d émsson, par exemple) et augmenter en complexté, comme pour des modèles de procédés complqués. L utlsaton de modèles pour estmer les émssons et les absorptons de gaz à effet de serre peut ntrodure des ncerttudes, y comprs des bas et des erreurs aléatores, pour dverses rasons : () () () (v) (v) Les modèles sont une smplfcaton de systèmes réels et, par conséquent, ne sont pas exacts. Par exemple, la programmaton nformatque peut comporter des erreurs ou des approxmatons ; la résoluton d un modèle peut ne pas être représentatve, et la couverture spatale et temporelle peut ne pas être totalement représentatve ; L nterpolaton est l applcaton d un modèle parm une sére d entrées pour lesquelles le modèle est consdéré comme valde. Cependant, dans certans cas, une «extrapolaton cachée» peut survenr lorsque le modèle est évalué sur base de combnasons des valeurs de ses entrées pour lesquelles la valdaton n'a pas été réalsée (Cullen et Frey, 1999). L extrapolaton (l applcaton du modèle au-delà du domane pour lequel les prédctons du modèle sont connues pour être valdes) peut causer des ncerttudes ; Des formulatons alternatves du modèle peuvent résulter en dfférentes estmatons ; et On s approche généralement des entrées du modèle, y comprs les données sur les actvtés et les paramètres, sur base des nformatons lmtées qu créent des ncerttudes supplémentares au-delà de la formulaton du modèle. Absence de données : Dans certanes stuatons, l est tout smplement possble que des données nécessares pour caractérser des émssons ou des absorptons spécfques ne soent pas encore dsponbles. Dans ces stuatons, une approche courante consste à utlser des données de remplacement (ou de substtuton) pour des catégores de source analogues ou smlares ou à utlser l'nterpolaton ou l'extrapolaton comme base pour les estmatons. Absence de représentatvté des données : Cette source d ncerttude est assocée à l absence de correspondance complète entre des condtons assocées aux données dsponbles et aux condtons assocées aux émssons/absorptons dans le monde réel ou aux actvtés. Par exemple, on peut dsposer de données sur les émssons pour des stuatons dans lesquelles une centrale fonctonne à plene charge, mas non pas pour des stuatons fasant ntervenr la mse en marche ou des varatons de charge. Dans ce cas, les données ne sont que partellement pertnentes pour l estmaton d émsson recherchée. Le manque de représentatvté provoque généralement un bas. Erreur d échantllonnage aléatore statstque : Cette source d ncerttude est assocée à des données qu sont un échantllon aléatore d une talle d échantllon fne et dépend normalement de la varance 2 de la populaton source de l échantllon et de la talle de l échantllon lu-même (nombre de ponts de données). Elle peut souvent être rédute en augmentant le nombre d'échantllons ndépendants prs. Dans ce cas-c, les bonnes pratques recommandent de fare une dstncton correcte entre la varablté et l ncerttude, tels que défns précédemment. Dans le cadre de l analyse des ncerttudes des nventares, l ntérêt porte généralement sur les ncerttudes dans la moyenne annuelle au nveau natonal, plutôt que sur la plage entère de varablté qu peut survenr dans de courtes pérodes de temps ou à de pettes échelles géographques. Des échantllons plus mportants ne réduront pas la varablté nhérente mas mèneront à des ntervalles de confance plus étrots, base pour l estmaton du composant aléatore de l ncerttude. Erreur de mesure : L erreur de mesure, qu peut être aléatore ou systématque, est due à des erreurs de mesure, d enregstrement et de transmsson des nformatons ; une résoluton fne de l nstrument ; des valeurs nexactes des normes de mesure et des matères de référence ; des valeurs nexactes des constantes et d autres paramètres obtenus de sources externes et utlsés dans l'algorthme de réducton des données (les valeurs par défaut des Lgnes drectrces du GIEC, par exemple) ; des approxmatons et des hypothèses ncorporées dans la méthode de mesure et la procédure d estmaton ; et/ou des varatons dans les observatons répétées des émssons, des absorptons ou d une varable assocée dans des condtons apparemment dentques. 2 La varance d une populaton entère de valeurs est la moyenne du carré de la dfference entre les valeurs ndvduelles dans la populaton et la valeur moyenne. La varance d un échantllon tré d une populaton est la somme des carrés des dfférences entre les valeurs dans l échantllon et la moyenne de l échantllon, dvsée par le nombre de valeurs dans l échantllon mons 1. Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.11

12 Volume 1 : Orentatons générales et établssement des rapports Erreur dans l établssement des rapports ou la classfcaton : Dans ce cas, l ncerttude peut être due à une défnton ncomplète, mprécse ou erronée d une émsson ou d une absorpton. Cette cause d ncerttude provoque généralement un bas. Données manquantes : Des ncerttudes peuvent apparaître lorsque des tentatves de mesure ont été réalsées mas aucune valeur n état dsponble. Des mesures qu sont sous une lmte de détecton en sont un exemple. Cette cause d ncerttude peut provoquer à la fos un bas et une erreur aléatore. Lorsque des valeurs mesurées sont nféreures à une lmte de détecton, une lmte supéreure peut être estmée pour les ncerttudes. Il exste des technques statstques rgoureuses pour trater les données non détectées ans que d autres types de données manquantes, telles les données qu manquent au hasard (Cohen et Whtten, 1998; Gelfand, 1996; Zhao et Frey, 2004b). Ces technques peuvent mplquer l estmaton ou la répartton en portons de la dstrbuton lorsque les données ne sont pas dsponbles. Quant à la queston de l extrapolaton en partculer, l ncerttude apparaît lors de l extrapolaton à partr de données récentes sur les sources et les puts dans le but d estmer un nventare pour une année d ntérêt pour laquelle les données ne sont pas encore dsponbles (vor également Chaptre 5, Cohérence des séres temporelles). Généralement, les estmatons extrapolées sont présentées comme des estmatons «provsores» et sont ensute actualsées lorsque les données pertnentes devennent dsponbles. Cependant, jusqu à ce que les données soent actualsées, l'nventare provsore peut être utlsé. L ncerttude supplémentare assocée à l extrapolaton est un type d ncerttude de modèle. Les erreurs assocées à l extrapolaton peuvent être systématques, aléatores, ou les deux. S l y a une hstore d'extrapolatons et de correcton ultéreure, alors l est possble de développer des données relatves à la dstrbuton des erreurs qu ont été observées dans le passé. S l y a des bas dans les estmatons provsores, alors la moyenne de cette dstrbuton ne sera pas zéro et les bas peuvent être quantfés. Cette dstrbuton représenterat une erreur dans la capacté à prédre des flux réels de source et de puts sur base des méthodes d extrapolaton utlsées dans le passé. S les méthodes d extrapolaton changent, l opnon d experts peut alors être utlsée pour quantfer les ncerttudes. Lorsqu une CDP pour la moyenne peut être dentfée, dverses causes d ncerttude peuvent être quantfées par des moyens statstques. Comme remarqué dans la Secton 3.2, des ncerttudes peuvent être quantfées par l analyse statstque des données emprques, par le codage (quantfcaton) de l opnon d experts sous forme de CDP, ou par des combnasons des deux. Cependant, l peut y avor des ncerttudes structurelles qu ne sont pas asément ncorporées dans une analyse quanttatve des ncerttudes sous forme de CDP. Des exemples d ncerttudes structurelles ncluent une possble mauvase dentfcaton ou possble mauvase spécfcaton du système à analyser, ans que de possbles problèmes assocés aux modèles utlsés, par ex., le caractère nappropré du modèle ou des erreurs de modèle. Ces derners types de stuatons sortent généralement du cadre des statstques (ISO 1993) 3, ben que des méthodes probablstes pour trater les ncerttudes de modèle aent été proposées (par ex., Evans et al., 1994). Par exemple, l opnon d experts peut être utlsée pour pondérer des modèles alternatfs. Le Tableau 3.1 montre comment aborder dverses causes d ncerttudes dans une analyse. Certanes causes d ncerttudes (mauvas établssement des rapports ou mauvase classfcaton, par exemple) peuvent être rédutes ou élmnées en mettant en œuvre des procédures AQ/CQ et en amélorant la collecte des données et/ou les méthodologes, selon les cas. 3 Il exste certanes possbltés pour aborder ces sources d ncerttude. Par exemple, des ncerttudes assocées au mons en parte à une erreur de modèle peuvent être abordées en comparant la sorte modélsée et les valeurs mesurées. Selon le résultat de la comparason entre les sortes modélsées et les mesures, l est possble d dentfer des bas assocés au modèle qu peuvent varer selon le type de système modélsé Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre

13 Chaptre 3 : Incerttudes Causes d ncerttude Absence d exhaustvté Modèle (bas et erreurs aléatores) Absence de données Absence de représentatvté des données Erreur d échantllonnage aléatore statstque Erreur de mesure : composant aléatore Erreur de mesure : composant systématque (bas) Erreur dans l établssement des rapports ou la classfcaton TABLEAU 3.1 STRATEGIES TYPIQUES POUR TRAITER LES DIFFERENTES CAUSES D INCERTITUDES Conceptualsaton évaluée et formulaton du modèle Stratége Emprque et statstque Opnon d experts Autres commentares 1 Les composants prncpaux du système ont-ls été oms? S ou, quel est l'effet quantfable ou non sur une erreur systématque? De bonnes procédures AQ/CQ devraent permettre d évter cec. La formulaton du modèle est-elle complète et exacte? Quelle est l ncerttude dans les prédctons de modèle basées sur la valdaton du modèle? Quelle est l estmaton de l exacttude et de la précson du modèle sur base de l opnon d experts s des données de valdaton statstques ne sont pas dsponbles? S des données manquent, l opnon d experts peut-elle être utlsée pour fare des nférences basées sur des données analogues (de substtuton, de remplacement) ou des consdératons théorques? Peut être lé au manque d exhaustvté et à l ncerttude du modèle. Par ex., théore statstque pour estmer des ntervalles de confance basés sur la varablté dans les données et la talle de l échantllon. Des procédures AQ/CQ et de vérfcaton peuvent donner une dée. De bonnes procédures AQ/CQ devraent permettre d évter cec. Données manquantes Approches statstques ou basées sur l opnon pour estmer l ncerttude à cause de mesures non détectées ou d autres types de données manquantes. 1 Ce sont des bonnes pratques d'applquer des procédures AQ/CQ et de vérfcaton avant de développer des estmatons des ncerttudes selon les recommandatons du Chaptre 6, ou smultanément. Les procédures AQ/CQ et de vérfcaton fournssent une base utle pour évter les erreurs et pour dentfer (et, de préférence, corrger) les bas. De plus, les procédures AQ/CQ devraent permettre d évter ou détecter et corrger les erreurs lées à un mauvas établssement des rapports et une mauvase classfcaton, et l devrat y avor une tératon entre l'analyse des ncerttudes et les procédures AQ/CQ s l applcaton des méthodes d ncerttude permet de découvrr de possbles problèmes AQ/CQ Réducton des ncerttudes Les ncerttudes dovent être rédutes autant que possble lors de la complaton d un nventare, et l est partculèrement mportant de garantr que le modèle et les données collectées sont des représentatons objectves du monde réel. Lorsque des efforts sont entreprs afn de rédure les ncerttudes, la prorté dot être accordée à ces entrées de l nventare qu ont le plus d mpact sur l ncerttude globale de l nventare, par opposton aux entrées qu sont d mportance mondre ou néglgeable pour l évaluaton comme décrt au Chaptre 4, Chox méthodologque et dentfcaton des catégores de source clés. Les outls permettant d'établr des prortés dans la réducton des ncerttudes ncluent l analyse des catégores de source clés (vor Chaptre 4) et l évaluaton de Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.13

14 Volume 1 : Orentatons générales et établssement des rapports la contrbuton des ncerttudes de catégores spécfques à l ncerttude totale de l nventare (vor Secton 3.2.3). Selon la cause des ncerttudes, celles-c peuvent être rédutes de sept manères dfférentes : Améloraton de la conceptualsaton : Amélorer l nclusvté des hypothèses structurelles choses permet de rédure les ncerttudes. Par exemple, un melleur tratement des effets sasonners qu permet de fare des estmatons des émssons ou des absorptons annuelles plus exactes dans le secteur AFAT. Améloraton des modèles : Amélorer la structure et la paramétrsaton du modèle permet de meux comprendre et caractérser les erreurs systématques et aléatores, ans que de rédure ces causes d ncerttude. Améloraton de la représentatvté : Celle-c peut mplquer la stratfcaton ou d'autres stratéges d'échantllonnage, comme présenté à la Secton C est partculèrement mportant pour les catégores lées au secteur de l'agrculture, la forestere et autres affectatons des terres d un nventare, mas s applque également à d autres endrots, par ex., lorsque dfférentes technologes fonctonnent dans une catégore. Par exemple, on peut utlser des systèmes de contrôle en contnu des émssons (CEMS) pour rédure les ncerttudes pour certanes sources et certans gaz pour autant que la représentatvté sot garante. Ces systèmes produsent des données représentatves dans les nstallatons où ls sont utlsés, mas pour être représentatf d une catégore de source entère, les données produtes par les systèmes CEMS dovent être dsponbles pour un échantllon aléatore ou un ensemble enter d nstallatons ndvduelles qu comprennent la catégore. Lors de l utlsaton de CEMS, la concentraton et les flux peuvent tous deux varer, ce qu nécesste un échantllonnage smultané des deux attrbuts. Utlsaton de méthodes de mesure plus précses : Des erreurs de mesure peuvent être rédutes en utlsant des méthodes de mesure plus précses, en évtant des hypothèses de smplfcaton et en s assurant que les technologes de mesure sont utlsées et calbrées correctement. Vor Chaptre 2, Méthodes de la collecte des données. Augmentaton du nombre de données mesurées collectées : Les ncerttudes assocées aux erreurs d échantllonnage aléatores peuvent être rédutes en augmentant la talle de l échantllon. À la fos le bas et l erreur aléatore peuvent être réduts en comblant les lacunes dans les données. Cec s applque à la fos aux mesures et aux sondages. Élmnaton du rsque connu de bas : Celle-c est possble en garantssant que l'nstrumentaton est correctement postonnée et calbrée (vor Chaptre 2), les modèles ou d'autres procédures d'estmaton sont approprées et représentatves comme ndqué dans les dagrammes décsonnels et dans d'autres avs sur le chox méthodologque dans les volumes sectorels, et en applquant l'opnon d'experts de manère systématque. Améloraton de l état des connassances : En général, l améloraton de la compréhenson des catégores et des procédés menant à des émssons et des absorptons peut ader à découvrr et à corrger les problèmes de non-exhaustvté. Les bonnes pratques recommandent d amélorer contnuellement les estmatons des émssons et des absorptons basées sur de nouvelles connassances (vor Chaptre 5, Cohérence des séres temporelles) Implcatons du chox méthodologque Le chox du nveau méthodologque pour les estmatons des émssons et des absorptons peut affecter l analyse des ncerttudes de deux manères dfférentes. Premèrement, le passage à des méthodes d nventare d un nveau supéreur dot typquement rédure les ncerttudes, pour autant que les méthodes de nveau supéreur soent correctement mses en œuvre, car elles dovent rédure le bas et meux représenter la complexté du système. Deuxèmement, le passage à des méthodes de nveau supéreur peut résulter en une augmentaton des estmatons des ncerttudes dans certanes crconstances. Souvent, cette augmentaton des ncerttudes estmées ne représente pas réellement une dmnuton des connassances ; elle révèle plutôt typquement une reconnassance plus réalste des lmtatons des connassances exstantes. Cec peut se produre lorsqu l y a eu une prse en compte ncomplète des émssons de gaz à effet de serre dans la méthode de nveau nféreur, ou lorsque l applcaton de méthodes de nveau supéreur révèle une complexté et des ncerttudes addtonnelles qu n étaent pas totalement apparentes avec la méthode de nveau nféreur. Cela sgnfe réellement que les ncerttudes ont été précédemment sous-estmées et que le passage à une méthode d un nveau supéreur dans la réalté produt une estmaton plus exacte des ncerttudes. Dans certans cas, une augmentaton des ncerttudes peut se produre pour une méthode de développement de l'nventare et non avec une autre car chaque méthode a dfférentes exgences en matère de données. Par exemple, l arrve que les estmatons agrégées des émssons soent plus exactes car elles sont basées sur des valeurs faclement mesurées ou peuvent leur être comparées, alors que des estmatons désagrégées peuvent nécesster des hypothèses addtonnelles pour lesquelles les 3.14 Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre

15 Chaptre 3 : Incerttudes données ne sont pas auss faclement dsponbles ou la vérfcaton des estmatons n est pas auss faclement mse en œuvre. Le nveau appropré de désagrégaton peut changer dans et entre les catégores. 3.2 QUANTIFICATION DES INCERTITUDES Après avor dentfé les causes des ncerttudes assocées aux estmatons de l nventare, l organsme chargé de l nventare dot collecter les nformatons approprées pour développer des estmatons des ncerttudes natonales et spécfques aux catégores à l ntervalle de confance de 95 pour cent. Idéalement, les estmatons d émssons et d absorptons et les plages d ncerttude seront obtenues à partr de données mesurées spécfques aux catégores. Étant donné qu en pratque on ne peut pas mesurer ans chaque catégore de source d émsson ou de puts, d autres méthodes peuvent être nécessares pour quantfer les ncerttudes. Une façon pragmatque d obtenr des estmatons quanttatves de l ncerttude consste à utlser les melleures estmatons dsponbles, souvent une combnason de données mesurées, d nformatons publées, de sortes de modèle et l opnon d experts. Les recommandatons sectorelles des volumes 2 à 5 des présentes Lgnes drectrces présentent des estmatons des ncerttudes par défaut à utlser avec les méthodes décrtes dans ce chaptre. Ben que les ncerttudes calculées à partr des données mesurées soent souvent consdérées comme plus rgoureuses que les estmatons des ncerttudes basées sur des modèles et, parellement, les estmatons basées sur des modèles sont souvent consdérées comme plus rgoureuses que celles basées sur l opnon d experts, la vértable hérarche dépend de la catégore et/ou des crconstances spécfques à un pays. En partculer, ce sont des bonnes pratques de garantr que les ncerttudes sont représentatves pour l applcaton dans l nventare et les crconstances natonales et ncluent toutes les causes d ncerttude ndquées au Tableau 3.1. Cette secton comporte tros sous-sectons prncpales qu sont nterrelées. La Secton porte sur les sources de données et d nformaton qu peuvent être utlsées pour dentfer et, lorsque c est possble, quantfer les ncerttudes. La Secton porte sur les méthodes utlsées pour tenter d'évter ou de corrger les bas et pour quantfer le composant aléatore de l ncerttude des entrées aux modèles. La Secton présente deux méthodes pour combner les ncerttudes dans les entrées afn d arrver à des estmatons des ncerttudes pour des catégores ndvduelles d émsson et d absorpton et pour l nventare des émssons totales Sources de données et d nformaton Cette secton dentfe les sources de données et d nformaton pour obtenr des estmatons quanttatves des ncerttudes. Il exste tros sources mportantes de données et d nformaton : les nformatons contenues dans les modèles ; les données emprques assocées aux mesures des émssons et les données sur les actvtés provenant des sondages et des recensements ; ans que les estmatons quantfées des ncerttudes sur base de l opnon d experts INCERTITUDES ASSOCIEES AUX MODELES Un modèle est une représentaton d un système du monde réel. La modélsaton mplque typquement des chox sur ce qu l faut nclure et ce qu l faut exclure, ans que des chox sur le nveau de détal (ou agrégaton) pour ces phénomènes nclus dans le modèle. Ans, typquement, le modèle n mte pas exactement le système du monde réel. La structure du modèle est souvent pensée en termes des équatons utlsées et en termes d'entrées et de sortes du modèle (Krchner, 1990). Plus généralement, un modèle peut être pensé comme une hypothèse sur le comportement du système du monde réel. Par conséquent, l y a deux consdératons majeures dans l ncerttude du modèle : (1) le système du monde réel correct le plus pertnent a-t-l été dentfé et les conceptualsatons ont-elles été élaborées de manère à servr correctement de base pour le développement du modèle ; et (2) le modèle est-l une représentaton exacte du système chos. L ncerttude de conceptualsaton décrt le manque d dentfcaton correcte du système pour lequel un modèle dot être développé et de la (des) conceptualsaton(s) d ntérêt. L ncerttude du modèle décrt le manque de développement du modèle correct par rapport au système et à la (aux) conceptualsaton(s) vsés. Incerttude de conceptualsaton : L mpossblté de spécfer correctement des hypothèses structurelles de l nventare ben approprées et pertnentes est connue sous le nom d ncerttude de conceptualsaton (Cullen et Frey, 1999) et résulte typquement en un bas dans les estmatons. Les causes typques de l ncerttude de conceptualsaton sont notamment les erreurs descrptves, les erreurs dans les opnons professonnelles et une spécfcaton ncomplète des hypothèses (EPA, 1997). Incerttude du modèle : L ncerttude est le résultat des mperfectons lées à la modélsaton des conceptualsatons choses. Quelquefos, ces mperfectons survennent à cause de lmtatons des données Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.15

16 Volume 1 : Orentatons générales et établssement des rapports dsponbles. Un modèle peut avor d autres sources d erreurs structurelles, comme l ncapacté à prendre en compte correctement la sensblté des émssons aux condtons ambantes ou à d autres facteurs. La modélsaton peut être une base pour estmer les émssons ou les absorptons pour des catégores spécfques, ans que pour gérer des données dans l'nventare enter. Dan certans cas, l ncerttude du modèle peut être mportante. Elle est typquement peu caractérsée et peut ne pas être caractérsée du tout DONNEES EMPIRIQUES SUR LES SOURCES, LES PUITS ET L ACTIVITE Cette secton décrt des sources de données emprques, et leurs mplcatons sur l ncerttude, et est pertnente pour les données sur les émssons mesurées, les données ssues de la lttérature et les données sur les actvtés. ESTIMATIONS DE L INCERTITUDE OBTENUES A PARTIR DE DONNÉES SUR LES ÉMISSIONS/ABSORPTIONS MESURÉES Cette secton présume que les données sont obtenues conformément aux bonnes pratques, comme ndqué au Chaptre 2 et au Chaptre 6, Assurance qualté/contrôle qualté et vérfcaton. Lors de l estmaton de l ncerttude à partr de données sur les émssons mesurées, l convent de consdérer notamment : (a) la représentatvté des données et la possblté d un bas ; (b) la précson et l exacttude des mesures ; (c) la talle de l échantllon et la varablté nterndvduelle des mesures, ans que leurs mplcatons pour l ncerttude dans les émssons/absorptons annuelles moyennes ; (d) la varablté nterannuelle des émssons/absorptons et s les estmatons sont basées sur une moyenne de pluseurs années ou sur base d une année spécfque. L échantllonnage représentatf (ou plan d échantllonnage) mplque que les mesures soent réalsées pour des caractérstques du système, des condtons d opératon, des pérodes typques et/ou des zones géographques d ntérêt. La précson et l exacttude des mesures ndvduelles dépendront de l équpement et des protocoles utlsés pour réalser les mesures. La talle de l échantllon sera souvent un comproms entre le désr d obtenr davantage de données et le coût des mesures. Dans certans cas, comme pour le contrôle en contnu, la talle de l échantllon peut être suffsamment grande pour servr réellement de recensement de données, plutôt que d échantllon partel. En général, la varablté des données d'une pérode de temps à court terme (ex., heure, jour, semane) à une autre dépendra des caractérstques de la catégore. S l objectf est de développer une estmaton des émssons ou des absorptons moyennes annuelles, alors l pourra être nécessare de décder s les mesures réalsées sur un court terme sont représentatves des taux sur une pérode de temps plus longue et, s non, s le programme de mesure peut être élarg à des pérodes de temps supplémentares. Par exemple, les mesures des flux (données sur les facteurs d émsson) dot représenter l année entère. Cec est très mportant dans le secteur AFAT car les émssons dépendent fortement des condtons clmatques qu sont typquement dfférentes en pérode de végétaton et en pérode hvernale Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre

17 Chaptre 3 : Incerttudes Fgure 3.4 Exemple d ncerttudes assocées aux mesures d émsson et au taux moyen d émsson (a) Dstrbuton ajustée pour une varablté nter-unté des émssons ; (b) Incerttude assocée à la dstrbuton ajustée due à la pette talle de l échantllon (n=20) ; (c) Incerttude assocée au taux moyen d émsson. (a) Varablté nter-unté Ajustement d une dstrbuton pour le taux d émsson modèle Probablté cumulatve Données (n=20) Log-normal (b) Incerttude assocée à la dstrbuton de la varablté Zone d ncerttude pour le taux d émsson modèle Probablté cumulatve Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.17

18 Volume 1 : Orentatons générales et établssement des rapports (c) Incerttude assocée à la moyenne Incerttude dans la moyenne pour le taux d émsson modèle Pour un second exemple, supposons que nous désrons estmer l ncerttude des émssons natonales annuelles pour une catégorque de source spécfque, comme les émssons provenant de votures à essence. Le taux d émsson vare d un véhcule ndvduel à l autre, comme ndqué par la varablté nter-unté à la Fgure 3.4(a). Étant donné que la dstrbuton de la varablté nter-véhcule est estmée à partr d un échantllon de données pett et fn qu peut être sujet à une erreur aléatore d échantllonnage, une ncerttude exste quant à la vértable répartton de la varablté nter-véhcule pour la populaton qu reste nconnue, comme suggéré à la Fgure 3.4(b). Il y a également une varablté ntra-unté des émssons pour tout véhcule spécfque dans le temps. Cependant, dans le cadre de l estmaton des émssons annuelles natonales, l ntérêt porte sur la contrbuton combnée de tous ces véhcules durant une pérode d un an. Dans ce cas, nous ne sommes pas ntéressés par la plage de varablté nter-véhcule mas ben par la plage d ncerttude pour le taux moyen d émsson provenant de tels véhcules (ex., Fgure 3.4(c)). Souvent, la plage d ncerttude est nettement mondre que pour la varablté nter-véhcule (ou, plus généralement, nter-unté) (ex., Frey et Zheng, 2002). Dès lors, lorsque l objectf d une analyse nécesste que l évaluaton sot basée sur l ncerttude de la moyenne, plutôt que sur la varablté dans les untés ndvduelles, l est mportant que l analyse se concentre correctement sur cette premère. Faute de quo une surestmaton trompeuse de la portée de l ncerttude pourrat apparaître. Dans le cas de contrôle en contnu d'émssons ponctuelles, ou d'un plan d échantllonnage pérodque qu capture des modèles d actvté typques, l peut y avor des données emprques adéquates et représentatves sur lesquelles baser une estmaton de l ncerttude des émssons annuelles moyennes. Par exemple, s l on dspose de telles données sur pluseurs années, alors les émssons moyennes annuelles peuvent être quantfées sur pluseurs années, et la dstrbuton des émssons annuelles d'année en année peut être utlsée pour évaluer un ntervalle de confance de 95 pour cent dans la moyenne annuelle. Pour autant que la moyenne annuelle sot basée sur des données provenant de nombreuses catégores ndvduelles, l est peu probable qu l y at corrélaton d erreurs entre les années. Cela a des conséquences sur l estmaton de l ncerttude des tendances, comme ndqué dans la Secton 3.3, Incerttude et autocorrélaton temporelle. Cependant, pour des catégores dffuses, comme les cultures agrcoles, l pourrat y avor d mportantes autocorrélatons s elles sont détermnées par le clmat, et cec pourrat affecter la représentatvté des données pour un objectf partculer de l évaluaton. Lorsque des mesures d émssons contnues ne sont pas dsponbles, on peut dsposer de mesures d émssons pérodques à partr duquel on estme les ncerttudes. S ces mesures peuvent être lées à des données sur les actvtés représentatves, ce qu est naturellement crucal, on peut détermner un facteur d émsson spécfque au ste, ans qu une courbe de densté de probablté assocée représentatve des émssons annuelles. Cette 3.18 Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre

19 Chaptre 3 : Incerttudes détermnaton peut s avérer être une tâche complexe. Pou obtenr la représentatvté, on devra peut-être parttonner (ou stratfer) les données afn de refléter des condtons d explotaton typques. Par exemple : Le démarrage et l arrêt peuvent donner des taux d émsson dfférents de ceux des données sur les actvtés. Dans ce cas, les données devront être parttonnées, avec des facteurs d émsson et des courbes de densté de probablté séparés obtenus pour des condtons de régme normal, démarrage et arrêt. Les facteurs d émsson peuvent dépendre de la charge. Dans ce cas, on devra peut-être stratfer l estmaton des émssons totales et l analyse des ncerttudes pour tenr compte de la charge, exprmée, par exemple, en pourcentage de la plene capacté. Cec pourra être obtenu, par exemple, par analyse de la régresson et par des dagrammes de dsperson du taux d'émsson par rapport à des varables de contrôle probables (émssons par rapport à la charge), la charge devenant une composante des données sur les actvtés requses. Des mesures effectuées à d autres fns peuvent ne pas être représentatves. Des mesures de méthane, par exemple, effectuées pour des rasons de sécurté dans des mnes de charbon et des décharges peuvent ne pas refléter la totalté des émssons car elles peuvent n avor été réalsées qu en tant que contrôle de conformté, lorsque l on soupçonnat les émssons de méthane d être élevées. Dans ce cas, on devra estmer le rapport entre les données mesurées et les émssons totales pour analyser l ncerttude. Des mesures systématques à court terme peuvent ne pas échantllonner de manère adéquate des événements épsodques (par ex., les chutes de plue) qu sont à l orgne d mportants flux de courte durée qu peuvent néanmons compter pour une fracton majeure des émssons annuelles. S la stratége d échantllonnage manque une proporton mportante de ces événements, alors l estmaton annuelle moyenne des émssons pourrat être basée de manère sgnfcatve. Les émssons d oxyde ntreux provenant des sols agrcoles peuvent tomber dans cette catégore. S l échantllon de données est assez grand, on peut se baser sur des tests de qualté d ajustement statstques type, ans que sur l opnon d experts, pour chosr la courbe de densté de probablté pour décrre la varablté des données (parttonnées au beson) et la façon de la paramétrer. Mas, dans de nombreux cas, le nombre de mesures permettant de trer des conclusons sur l ncerttude est fable. En théore, à condton qu l y at au mons tros ponts de données, et que les données soent un échantllon aléatore représentatf de la varable examnée, on peut utlser des méthodes statstques pour estmer les valeurs des paramètres de nombreuses dstrbutons à deux paramètres (normale, log-normale) permettant de décrre la varablté de l ensemble de données (Cullen et Frey, 1999, pp ). Alors qu l est communément perçu qu l faut avor envron 8 ou 9 ponts de mesure, et plus de préférence, comme base pour ajuster une dstrbuton aux données, une hypothèse plus fondamentale et plus mportante qu dot être exprmée pour ajuster une dstrbuton aux données est que les données sont un échantllon aléatore et représentatf. S cette hypothèse est valde, alors la talle de l échantllon nfluence la largeur des ntervalles de confance pour toute statstque estmée à partr de l échantllon. De nombreux analystes peuvent préférer dsposer d un échantllon de talle mnmum, mas cette préférence n est pas lée à la queston clé de la représentatvté. Les données ne devennent pas plus représentatves unquement parce qu'on augmente la talle de l'échantllon. Dans le cas de petts échantllons, les estmatons paramétrques seront entachées d ncerttude élevée, ce qu devra être reflété dans la quantfcaton de l ncerttude à utlser dans l nventare d émssons. De plus, normalement, les méthodes statstques ne sont pas fables pour ce qu est de la dfférencaton de la qualté d ajustement d autres dstrbutons paramétrques pour de très petts échantllons (Cullen et Frey, 1999, pp ). Par conséquent, l sera nécessare de sélectonner une dstrbuton paramétrque approprée pour s adapter à un très pett ensemble de données. Dans des stuatons où le coeffcent de varaton (écart type dvsé par la moyenne) est nféreur à envron 0,3 et est connu avec une confance rasonnable, une dstrbuton normale peut être une hypothèse rasonnable (Robnson, 1989). Lorsque le coeffcent de varaton est élevé et la varable nonnégatve, une dstrbuton à bas postf, de type dstrbuton log-normale, peut être approprée. Des recommandatons sur le chox des dstrbutons fgurent dans les Sectons et c-dessous. Dans le cas de grands ensembles de données, l ncerttude de la moyenne peut souvent être estmée comme des multples de plus ou mons 1,96 (ou approxmatvement 2) de l erreur type, l erreur type étant l écart type de l échantllon dvsée par la racne carrée de la talle de l échantllon. Ce calcul est basé sur l hypothèse d une dstrbuton normale. Cependant, s le nombre d échantllons/mesures est peu élevé, ce qu est souvent le cas lorsque l on détermne des facteurs d émsson, le multple de 1,96 est remplacé par un «facteur de couverture» appelé k, qu est obtenu à partr de la dstrbuton t de l étudant. Pour des échantllons de pette talle, k est plus grand que 1,96 pour un ntervalle de 95 pour cent, mas, asymptotquement, se rapproche de 1,96 alors que la talle de l échantllon augmente jusqu à approxmatvement 30 ou plus. Cependant, dans les cas où l ncerttude de la moyenne n est pas une dstrbuton symétrque, des méthodes numérques telles la smulaton bootstrap peuvent être utlsées à la place pour obtenr l ntervalle de confance de la moyenne. Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.19

20 Volume 1 : Orentatons générales et établssement des rapports Lorsqu une estmaton annuelle est basée sur une moyenne sur pluseurs années, l ncerttude de la moyenne représente l ncerttude d une année moyenne et non la varablté nterannuelle. S l objectf est d estmer l ncerttude des flux de source ou de puts pour une année spécfque, les bonnes pratques recommandent de fare la melleure estmaton du total annuel et de quantfer l ncerttude assocée aux modèles et aux données utlsées de manère cohérente avec la pérode d un an. S, au leu de cela, une estmaton annuelle moyennée est utlsée, l ncerttude de l estmaton applquée à une année spécfque serat alors défne par la varablté nterannuelle (y comprs des erreurs de mesure) par rapport à la moyenne, alors qu applquée à une année moyenne elle serat l ntervalle de confance de la moyenne. ESTIMATIONS D INCERTITUDE ASSOCIÉES AUX FACTEURS D ÉMISSION ET AUTRES PARAMÈTRES FOURNIS PAR DES RÉFÉRENCES PUBLIÉES En l absence de données spécfques au ste, les nventares seront, s possble, basés sur des facteurs d émsson fourns par des études publées spécfques aux condtons dans ce pays. En l absence de suffsamment d nformatons spécfques au pays, des nformatons peuvent être obtenues d autres études publées s ces études reflètent les condtons du pays, ou les facteurs d émsson ou d autres paramètres d estmaton peuvent être trés des volumes sectorels 2 à 5 des présentes Lgnes drectrces. Les facteurs présentés dans les volumes sectorels ont été mesurés dans des crconstances jugées typques. Des ncerttudes seront assocées aux mesures d orgne, ans qu à l utlsaton des facteurs dans des crconstances autres que celles assocées aux mesures d orgne. Dans le cas de l utlsaton de facteurs d émsson ou d autres paramètres d estmaton publés, les estmatons des ncerttudes devront être basées sur : Recherches d orgne, y comprs des données spécfques au pays : Pour des facteurs d émsson basés sur des mesures, les données fournes par le programme de mesures d orgne peuvent permettre d évaluer l ncerttude, vore la courbe de densté de probablté. Des programmes et des essas de mesures ben conçus fournront des échantllons de données pour tous les types d nstallatons et leur entreten, leur talle et leur âge, ce qu permettra d utlser drectement les facteurs et leurs ncerttudes. Dans d autres cas, on devra obtenr l opnon d experts, prenant en compte les causes d ncerttude dentfées au Tableau 3.1, pour extrapoler, à partr des mesures, pour l ensemble de la populaton végétale dans cette catégore de source/puts partculère (des détals sur la sollctaton de l opnon d experts sont donnés à la Secton ). Valeurs par défaut conformément aux Lgnes drectrces : Pour la plupart des facteurs d émsson et autres paramètres d estmaton, les lgnes drectrces sectorelles présentent des estmatons par défaut des ncerttudes à utlser en l absence d autres données. Sauf ndcaton contrare, on suppose que les courbes de densté de probablté sont normales. Cependant, l organsme chargé de l nventare devra évaluer la représentatvté des valeurs par défaut pour ses propres crconstances natonales. S l on juge que l estmaton par défaut n est pas représentatve et que la catégore de source est mportante pour l nventare, on devra établr de melleures hypothèses basées sur l opnon d experts, en supposant que trop peu de recherches d orgne sont dsponbles pour obtenr des facteurs d émsson ou d autres paramètres d estmaton spécfque au pays. Les méthodes par défaut représentent un comproms entre le nveau de détal requs pour créer les estmatons les plus exactes pour chaque pays, et les données d entrée probablement dsponbles ou facles à obtenr dans la plupart des pays. Les méthodes par défaut sont souvent des smplfcatons et peuvent ntrodure des ncerttudes mportantes dans une estmaton natonale. Dans nombre des méthodes par défaut dfférents nveaux de détals optonnels sont proposés pour ndquer s les utlsateurs dsposent de données détallées pour leur stuaton natonale ou s ls dovent se fer de manère strcte aux valeurs par défaut générales. Il peut y avor des dfférences consdérables dans la représentaton des condtons de la populaton réelle des actvtés dans un pays spécfque par les valeurs par défaut générales. Par exemple, l ncerttude assocée aux facteurs d émsson de carbone par défaut pour la populaton mondale de sources de combuston de carburant fossle peut être caractérsée comme relatvement fable (5-10 pour cent) dans la méthodologe du GIEC ; mas les experts natonaux pour un pays spécfque peuvent savor que les caractérstques de tels combustbles dans leur pays varent des valeurs moyennes mondales. Dans un tel pays, l utlsaton de valeurs par défaut ntrodurat une ncerttude plus mportante, les bonnes pratques recommandent donc d utlser des estmatons spécfques à un pays lorsque c est possble. Par conséquent, l applcablté des valeurs d ncerttude par défaut devrat toujours être envsagée. Un autre exemple est l utlsaton de valeurs par défaut pour estmer les émssons et absorptons du secteur AFAT spécfque à un pays. L ncerttude pourrat être élevée à mons de connaître la pertnence des paramètres par défaut dsponbles pour les crconstances d un pays. L applcaton de données par défaut dans un pays ou une régon avec des caractérstques très dfférentes de celles des données de la catégore de source peut produre des erreurs systématques (bas) mportantes dans les estmatons des émssons ou des absorptons Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre

Chapitre 5. Menu de SUPPORT

Chapitre 5. Menu de SUPPORT 155 Chaptre 5. Menu de SUPPORT Ce que vous apprendrez dans ce chaptre Ce chaptre vous présentera des routnes supplémentares susceptbles de vous ader dans les analyses de données présentées dans le chaptre

Plus en détail

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs Combnason de dres d'experts en élctaton de los a pror. Applcaton à un modèle doseréponse pour Lstera chez la sours. Exposé ApplBugs ISABELLE ALBERT 8 / / 03 INTRODUCTION Cet exposé présente une parte du

Plus en détail

Mesure avec une règle

Mesure avec une règle Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système

Plus en détail

Corrélation et régression linéaire

Corrélation et régression linéaire Corrélaton et régresson lnéare 1. Concept de corrélaton. Analyse de régresson lnéare 3. Dfférences entre valeurs prédtes et observées d une varable 1. Concept de corrélaton L objectf est d analyser un

Plus en détail

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix?

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix? Note méthodologque Tratements hebdomadares Questlemonscher.com Quelle méthode de collecte de prx? Les éléments méthodologques ont été défns par le cabnet FaE onsel, socété d études et d analyses statstques

Plus en détail

Les jeunes économistes

Les jeunes économistes Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque

Plus en détail

Traitement des valeurs manquantes et des valeurs aberrantes

Traitement des valeurs manquantes et des valeurs aberrantes Etudes Statstques 2 (1/10) Tratement des valeurs manquantes et des valeurs aberrantes Avant de trater les données, vérfer la qualté des données : Les données peuvent être : manquantes aberrantes : la valeur

Plus en détail

Notes de cours. Échantillonnage STT-2000. David Haziza Département de mathématiques et de statistique Université de Montréal

Notes de cours. Échantillonnage STT-2000. David Haziza Département de mathématiques et de statistique Université de Montréal otes de cours Échantllonnage STT-000 Davd Hazza Département de mathématques et de statstque nversté de Montréal Automne 008 PRÉFACE Ces notes de cours ont été rédgées pour le cours STT-000 (Échantllonnage)

Plus en détail

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de

Plus en détail

10.1 Inférence dans la régression linéaire

10.1 Inférence dans la régression linéaire 0. Inférence dans la régresson lnéare La régresson lnéare tente de modeler le rapport entre deux varables en adaptant une équaton lnéare avec des données observées. Chaque valeur de la varable ndépendante

Plus en détail

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.

Plus en détail

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare

Plus en détail

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus

Plus en détail

SIMNUM : Simulation de systèmes auto-gravitants en orbite

SIMNUM : Simulation de systèmes auto-gravitants en orbite SIMNUM : Smulaton de systèmes auto-gravtants en orbte sujet proposé par Ncolas Kelbasewcz : ncolas.kelbasewcz@ensta-parstech.fr 14 janver 2014 1 Établssement du modèle 1.1 Approxmaton de champ lontan La

Plus en détail

Représentation de l'information

Représentation de l'information 1. L nformaton 1-1 Dualté état et temps Représentaton de l'nformaton La noton d'nformaton correspond à la connassance d'un état donné parm pluseurs possbles à un nstant donné. La Fgure 1 llustre cette

Plus en détail

Les risques des pesticides mieux les connaître pour les réduire

Les risques des pesticides mieux les connaître pour les réduire Les rsques des pestcdes meux les connaître pour les rédure Des outls à votre portée pour rédure les rsques des pestcdes Vous avez mantenant accès à des outls d ade pour meux connaître les rsques des pestcdes

Plus en détail

Introduction aux statistiques spatiales et aux systèmes d'information géographique en santé environnement

Introduction aux statistiques spatiales et aux systèmes d'information géographique en santé environnement Santé envronnement Introducton aux statstques spatales et aux systèmes d'nformaton géographque en santé envronnement applcaton aux études écologques Sommare Abrévatons 2 Résumé 3 1. Introducton 4 1.1 Études

Plus en détail

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 2. Quadrimestre 1. Pondération 4. Nombre de crédits 4

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 2. Quadrimestre 1. Pondération 4. Nombre de crédits 4 Informatons de l'unté d'ensegnement Implantaton Cursus de Inttulé Code ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles Outls de communcaton B2050 Cycle 1 Bloc 2 Quadrmestre 1 Pondératon

Plus en détail

Méthodologie quiestlemoinscher de comparaison de prix entre magasins

Méthodologie quiestlemoinscher de comparaison de prix entre magasins Méthodologe questlemonscher de comparason de prx entre magasns Les éléments méthodologques ont été défns par le cabnet FaCE Consel, socété d études et d analyses statstques ndépendante. Le cabnet FaCE

Plus en détail

EXEMPLES D UTILISATION DE LA TECHNIQUE DES OBSERVATIONS INSTANTANÉES.

EXEMPLES D UTILISATION DE LA TECHNIQUE DES OBSERVATIONS INSTANTANÉES. EXEMPLES D UTILISATIN DE LA TECHNIQUE DES BSERVATINS INSTANTANÉES. Chrstan Fortn, ng., Ph.D. Ergonome et hygénste du traval Centre of santé et servces socaux de la Montagne, Montréal. Résumé La technque

Plus en détail

Cours Corporate finance

Cours Corporate finance Cours Corporate fnance Eléments de théore du portefeulle Le edaf Franços Longn www.longn.fr lan Notons de rentablté Défnton odélsaton Eléments de théore du portefeulle ortefeulle Dversfcaton Le edaf Le

Plus en détail

Proposition d'une solution au problème d initialisation cas du K-means

Proposition d'une solution au problème d initialisation cas du K-means Proposton d'une soluton au problème d ntalsaton cas du K-means Z.Guelll et L.Zaou, Unversté des scences et de la technologe d Oran MB, Unversté Mohamed Boudaf USTO -BP 505 El Mnaouer -ORAN - Algére g.zouaou@gmal.com,

Plus en détail

Activité Intitulé de l'activité Volume horaire

Activité Intitulé de l'activité Volume horaire Informatons de l'unté d'ensegnement Implantaton Cursus de ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles Electronque applquée B2150 Cycle 1 Bloc 2 Quadrmestre 2 Pondératon 4 Nombre de

Plus en détail

SmartView d EH. Vue d ensemble des risques et des occasions. Surveillance de l assurance-crédit. www.eulerhermes.ca/fr/smartview

SmartView d EH. Vue d ensemble des risques et des occasions. Surveillance de l assurance-crédit. www.eulerhermes.ca/fr/smartview SmartVew d EH Servces en lgne Euler Hermes Vue d ensemble des rsques et des occasons Survellance de l assurance-crédt www.eulerhermes.ca/fr/smartvew Les avantages du SmartVew d EH Prenez plus de décsons

Plus en détail

classification non supervisée : pas de classes prédéfinies Applications typiques

classification non supervisée : pas de classes prédéfinies Applications typiques Qu est ce que le clusterng? analyse de clusterng regroupement des obets en clusters un cluster : une collecton d obets smlares au sen d un même cluster dssmlares au obets appartenant à d autres clusters

Plus en détail

Le raisonnement incertain

Le raisonnement incertain 1 Plan général 2 Le rasonnement ncertan dans les systèmes experts I- Introducton aux systèmes experts II- Fondements : organsaton et fonctonnement des SE III- Le rasonnement ncertan Introducton Antone

Plus en détail

Gestion et stratégie Utilisateur

Gestion et stratégie Utilisateur Geston et stratége Utlsateur GESTION ET STRATEGIE UTILISATEUR...2 1.) Comment gérer des utlsateurs?...2 1.1) Geston des utlsateurs en groupe de traval...2 1.2) Geston des utlsateurs par domane...2 Rôle

Plus en détail

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle»

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle» Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton

Plus en détail

Enquête sur les services de télécommunications

Enquête sur les services de télécommunications Enquête sur les servces de télécouncatons Vu l'avs favorable du Consel Natonal de l'inforaton Statstque, cette enquête, reconnue d'ntérêt général et de qualté statstque, est oblgatore. Vsa n 200222EC du

Plus en détail

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i Exercces avec corrgé succnct du chaptre 3 (Remarque : les références ne sont pas gérées dans ce document, par contre les quelques?? qu apparassent dans ce texte sont ben défns dans la verson écran complète

Plus en détail

TRANSFERT DE CARGAISON CALCULS ET ARRONDIS

TRANSFERT DE CARGAISON CALCULS ET ARRONDIS TRANSFERT DE CARGAISON CALCULS ET ARRONDIS SOMMAIRE 1. Méthode de détermnaton de l énerge transférée lors du transfert d une cargason de. Calcul de l énerge transférée.1 Calcul de l énerge brute transférée.1.1

Plus en détail

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 1. Quadrimestre 1-2. Pondération 5. Nombre de crédits 5

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 1. Quadrimestre 1-2. Pondération 5. Nombre de crédits 5 Informatons de l'unté d'ensegnement Implantaton ECAM Cursus de Bacheler en Scences ndustrelles Informatque et communcaton B1030 Cycle 1 Bloc 1 Quadrmestre 1-2 Pondératon 5 Nombre de crédts 5 Nombre d heures

Plus en détail

Remboursement d un emprunt par annuités constantes

Remboursement d un emprunt par annuités constantes Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)

Plus en détail

LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA

LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA Observatore Economque et Statstque d Afrque Subsaharenne LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA Une contrbuton à la réunon commune CEE/BIT sur les ndces des prx

Plus en détail

Brochure d @ccueil 09 10

Brochure d @ccueil 09 10 unté A4, C7 & B42 brochure d accuel 2009-2010 Brochure d @ccuel 09 10 (pour étudants) Clnque Sant-Jean Bruxelles 1 / 10 A4C7B42_FULL_0910_FR unté A4, C7 & B42 brochure d accuel 2009-2010 1. Sommare : 1.

Plus en détail

Montage émetteur commun

Montage émetteur commun tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.

Plus en détail

3- Réseau Neurologique (NN) 3-1- Réseau classique

3- Réseau Neurologique (NN) 3-1- Réseau classique OUTILS DE PREVISION DE LA VITESSE DE VENT : APPLICATION A LA CARACTERISATION ET A L OPTIMISATION DES CENTRALES EOLIENNES POUR L'INTEGRATION DANS LES RESEAUX ELECTRIQUES A MADAGASCAR. Andramahtasoa Bernard

Plus en détail

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus.

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus. Unversté Perre & Mare Cure (Pars 6) Lcence de Mathématques L3 UE LM364 Intégraton 1 Année 2011 12 TD4. Trbus. Échauffements Exercce 1. Sot X un ensemble. Donner des condtons sur X pour que les classes

Plus en détail

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation) GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble

Plus en détail

Activité Intitulé de l'activité Volume horaire

Activité Intitulé de l'activité Volume horaire Informatons de l'unté d'ensegnement Implantaton Cursus de Inttulé ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles fnalté électromécanque Concepton et producton M3050 Cycle 1 Bloc 3 Quadrmestre

Plus en détail

Système solaire combiné Estimation des besoins énergétiques

Système solaire combiné Estimation des besoins énergétiques Revue des Energes Renouvelables ICRESD-07 Tlemcen (007) 109 114 Système solare combné Estmaton des besons énergétques R. Kharch 1, B. Benyoucef et M. Belhamel 1 1 Centre de Développement des Energes Renouvelables

Plus en détail

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf

Plus en détail

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique Ch 4 Séres statstques à une dmenson Défntons et représentaton graphque Termnologe Ensemble étudé = populaton Eléments de cet ensemble = ndvdus ou untés Attrbut consdéré = caractère qu peut être qualtatf

Plus en détail

COMPARAISON DE MÉTHODES POUR LA CORRECTION

COMPARAISON DE MÉTHODES POUR LA CORRECTION COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce

Plus en détail

Exercices d algorithmique

Exercices d algorithmique Exercces d algorthmque Les algorthmes proposés ne sont pas classés par ordre de dffculté Nombres Ecrre un algorthme qu renvoe la somme des nombre entre 0 et n passé en paramètre Ecrre un algorthme qu renvoe

Plus en détail

Utilisation du symbole

Utilisation du symbole HKBL / 7 symbole sgma Utlsaton du symbole Notaton : Pour parler de la somme des termes successfs d une sute, on peut ou ben utlser les pontllés ou ben utlser le symbole «sgma» majuscule noté Par exemple,

Plus en détail

LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF

LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF 1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs

Plus en détail

Impôt sur la fortune et investissement dans les PME Professeur Didier MAILLARD

Impôt sur la fortune et investissement dans les PME Professeur Didier MAILLARD Conservatore atonal des Arts et Méters Chare de BAQUE Document de recherche n 9 Impôt sur la fortune et nvestssement dans les PME Professeur Dder MAILLARD Avertssement ovembre 2007 La chare de Banque du

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2015 2016. Statistiques Descriptives

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2015 2016. Statistiques Descriptives UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année unverstare 215 216 L1 Économe Cours de B. Desgraupes Statstques Descrptves Séance 7: Indces synthétques Table des matères 1 Introducton 1 1.1

Plus en détail

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM.

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM. Exercce n 1 Cet exercce propose de détermner l équlbre IS/LM sur la base d une économe dépourvue de présence étatque. Pour ce fare l convent, dans un premer temps de détermner la relaton (IS) marquant

Plus en détail

TP Programmation de protocoles de communication Basé sur un TP de M1- Master IST, Université Paris-Sud

TP Programmation de protocoles de communication Basé sur un TP de M1- Master IST, Université Paris-Sud IUT Bordeaux 1 2008-2009 Département Informatque ASR2-Réseaux TP Programmaton de protocoles de communcaton Basé sur un TP de M1- Master IST, Unversté Pars-Sud Ce TP a pour objectf d'nter à la programmaton

Plus en détail

Travaux pratiques : GBF et oscilloscope

Travaux pratiques : GBF et oscilloscope Travaux pratques : et osclloscope S. Benlhajlahsen ésumé L objectf de ce TP est d apprendre à utlser, c est-à-dre à régler, deux des apparels les plus couramment utlsés : le et l osclloscope. I. Premère

Plus en détail

gaussien pour l analyse de sensibilité d une sortie spatiale d un code de calcul

gaussien pour l analyse de sensibilité d une sortie spatiale d un code de calcul Utlsaton du métamodèle processus gaussen pour l analyse de sensblté d une sorte spatale d un code de calcul Applcaton à un code de transport hydrogéologque ologque Amandne Marrel Thèse effectuée au LMTE

Plus en détail

Les prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe

Les prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe Méthodologe CDC Clmat Recherche puble chaque mos, en collaboraton avec Clmpact Metnext, Tendances Carbone, le bulletn mensuel d nformaton sur le marché européen du carbone (EU ETS). L obectf de cette publcaton

Plus en détail

STATISTIQUE AVEC EXCEL

STATISTIQUE AVEC EXCEL STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments

Plus en détail

éléments d'analyse statistique

éléments d'analyse statistique éléments danalse statstque applcaton à lhdrologe deuxème édton D. Ther octobre 989 R 30 73 EAU 4S 89 BUREAU DE RECHERCHES GEOLOGIQUES ET MINIERES SERVICES SOL ET SOUS-SOL Département Eau B.P. 6009-45060

Plus en détail

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSION 1 - Correction -

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSION 1 - Correction - EXAME FIAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSIO 1 - Correcton - Exercce 1 : 1) Consdérons une entreprse E comportant deux établssements : E1 et E2 qu emploent chacun 200 salarés. Au sen de l'établssement

Plus en détail

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats

Plus en détail

EH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes

EH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes EH SmartVew Servces en lgne Euler Hermes Identfez vos rsques et vos opportuntés Plotez votre assurance-crédt www.eulerhermes.be Les avantages d EH SmartVew L expertse Euler Hermes présentée de manère clare

Plus en détail

Valeur absolue et fonction valeur absolue Cours

Valeur absolue et fonction valeur absolue Cours Valeur absolue foncton valeur absolue Cours CHAPITRE 1 : Dstance entre deu réels 1) Eemples prélmnares 2) Défnton 3) Proprétés CHAPITRE 2 : Valeur absolue d un réel 1) Défnton 2) Proprétés CHAPITRE 3 :

Plus en détail

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS. ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque

Plus en détail

LA RENOVATION DE LA MESURE DU PRIX DES TERRES ET PRES AGRICOLES : UNE OPERATION QUALITE MENEE EN PARTENARIAT AVEC LA STATISTIQUE PUBLIQUE

LA RENOVATION DE LA MESURE DU PRIX DES TERRES ET PRES AGRICOLES : UNE OPERATION QUALITE MENEE EN PARTENARIAT AVEC LA STATISTIQUE PUBLIQUE LA RENOVATION DE LA MESURE DU PRIX DES TERRES ET PRES AGRICOLES : UNE OPERATION QUALITE MENEE EN PARTENARIAT AVEC LA STATISTIQUE PUBLIQUE De 2007 à 200, a été menée une rénovaton méthodologque de la méthode

Plus en détail

Cours de Calcul numérique MATH 031

Cours de Calcul numérique MATH 031 Cours de Calcul numérque MATH 03 G. Bontemp, A. da Slva Soares, M. De Wulf Département d'informatque Boulevard du Tromphe - CP22 http://www.ulb.ac.be/d Valeurs propres en pratque. Localsaton. Méthode de

Plus en détail

Inversion d un modèle de culture pour estimer spatialement les propriétés des sols et améliorer la prédiction de variables agro-environnementales

Inversion d un modèle de culture pour estimer spatialement les propriétés des sols et améliorer la prédiction de variables agro-environnementales ACADEMIE D AIX-MARSEILLE UNIVERSITE D AVIGNON ET DES PAYS DE VAUCLUSE THESE DE DOCTORAT Présentée à l Unversté d Avgnon et des Pays de Vaucluse Ecole doctorale Sbaghe Spécalté Scences Agronomques Par Hubert-Vncent

Plus en détail

TD 1. Statistiques à une variable.

TD 1. Statistiques à une variable. Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane

Plus en détail

XXX.XX Ordonnance sur le marquage des voitures de tourisme neuves au moyen de l étiquette-environnement

XXX.XX Ordonnance sur le marquage des voitures de tourisme neuves au moyen de l étiquette-environnement XXX.XX Ordonnance sur le marquage des votures de toursme neuves au moyen de l étquette-envronnement (Ordonnance sur l étquette-envronnement, OéEnv) du xx.xx.2009 Le Consel fédéral susse, vu les art. 8,

Plus en détail

) = n. ) = 2n. D - Inférence Statistique - Estimation et Tests d hypothèses 5. Tests du Khi-deux (non paramétrique) Loi du Chi-deux (χ 2 n

) = n. ) = 2n. D - Inférence Statistique - Estimation et Tests d hypothèses 5. Tests du Khi-deux (non paramétrique) Loi du Chi-deux (χ 2 n 5. Tests du Kh-deux (non paramétrque) Lo du Ch-deux (χ n ) à n degrés de lberté (ddl) S X 1, X,..., X n, sont n varables ndépendantes, suvant toutes une lo normale N (0,1), la varable χ n = X 1 + X + +

Plus en détail

Modélisations du risque en assurance automobile. Michel Grun-Rehomme Université Paris 2 et Ensae Email: grun@ensae.fr

Modélisations du risque en assurance automobile. Michel Grun-Rehomme Université Paris 2 et Ensae Email: grun@ensae.fr Modélsatons du rsque en assurance automoble Mchel Grun-Rehomme Unversté Pars 2 et Ensae Emal: grun@ensae.fr 1 Modélsatons du rsque en assurance automoble La snstralté est mesurée en terme de fréquence

Plus en détail

Analyse d impact : l apport des évaluations aléatoires William Parienté 1

Analyse d impact : l apport des évaluations aléatoires William Parienté 1 Analyse d mpact : l apport des évaluatons aléatores Wllam Parenté 1 Cet artcle expose de manère synthétque l'apport des évaluatons aléatores dans l'analyse de l'mpact des programmes socaux et de développement.

Plus en détail

Exercice 1. Enoncé 1. Nombre de jours d absences. Nombre d étudiants. 1 ) Représenter graphiquement cette distribution.

Exercice 1. Enoncé 1. Nombre de jours d absences. Nombre d étudiants. 1 ) Représenter graphiquement cette distribution. Républque Tunsenne Présdence du Gouvernement Ecole Natonale d Admnstraton 4, Avenue du Dr Calmette Mutuelle-vlle 08 Tuns Tél. (+6) 848 00 Fa (+6) 794 88 www.ena.nat.tn STATISTIQUE ET CALCUL DE PROBABILITE

Plus en détail

La fourniture de biens et facteurs publics en présence de ménages et d entreprises mobiles

La fourniture de biens et facteurs publics en présence de ménages et d entreprises mobiles La fournture de bens et facteurs publcs en présence de ménages et d entreprses mobles Pascale Duran-Vgneron évrer 007 Le modèle On suppose un pays drgé par un gouvernement central ayant compétence sur

Plus en détail

Editions ENI. Excel 2010. Collection Référence Bureautique. Extrait

Editions ENI. Excel 2010. Collection Référence Bureautique. Extrait Edtons ENI Excel 2010 Collecton Référence Bureautque Extrat Tableau crosé dynamque Tableau crosé dynamque Excel 2010 Créer un tableau crosé dynamque Un tableau crosé dynamque permet de résumer, d analyser,

Plus en détail

L intermédiation financière en microfinance : un examen à partir des modèles de prêt de groupe et de prêt individuel

L intermédiation financière en microfinance : un examen à partir des modèles de prêt de groupe et de prêt individuel MESQUIT Dorothée Dorothee.mesquta@etu.unv-rouen.fr Drecteur M. MYOUKOU Unversté de Rouen Laboratore CRE L ntermédaton fnancère en mcrofnance : un examen à partr des modèles de prêt de groupe et de prêt

Plus en détail

Dynamique des salaires dans une cohorte

Dynamique des salaires dans une cohorte Dynamque des salares dans une cohorte Therry Magnac Sébasten Roux x Révson : 5 mars 2007 Résumé Dans cet artcle, nous examnons les données de salares annuels, de 1976 à 1998, d une cohorte d hommes, entrés

Plus en détail

Méthodes psychométriques utilisées dans le cadre des évaluations des élèves

Méthodes psychométriques utilisées dans le cadre des évaluations des élèves MESURE DES COMPÉTENCES Méthodes psychométrques utlsées dans le cadre des évaluatons des élèves Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle présente les méthodes psychométrques

Plus en détail

Études & documents ÉCONOMIE ET ÉVALUATION. Consommation de carburant : effets des prix à court et à long termes par type de population.

Études & documents ÉCONOMIE ET ÉVALUATION. Consommation de carburant : effets des prix à court et à long termes par type de population. COMMISSARIAT GÉNÉRAL AU DÉVELOPPEMENT DURABLE n 40 Avrl 20 TRANSPORT Études & documents Consommaton de carburant : effets des prx à court et à long termes par type de populaton ÉCONOMIE ET ÉVALUATION Servce

Plus en détail

Le GSM : planification et dimensionnement

Le GSM : planification et dimensionnement Département Télécommuncatons Département Télécommuncatons Le GSM : planfcaton et dmensonnement Itnérs /SFR 89 95 Itnérs /SFR 89 95 Bouygues 7 75 6. INTRODUTION sncf Itnérs /SFR 876 88 89 95 Bouygues 7

Plus en détail

Régression linéaire et incertitudes expérimentales

Régression linéaire et incertitudes expérimentales 91 e Année - N 796 Publcaton Mensuelle Jullet/Août/Septembre 1997 Régresson lnéare et ncerttudes expérmentales par Danel BEAUFILS Insttut Natonal de Recherche Pédagogque Département Technologes Nouvelles

Plus en détail

Un protocole de tolérance aux pannes pour objets actifs non préemptifs

Un protocole de tolérance aux pannes pour objets actifs non préemptifs Un protocole de tolérance aux pannes pour objets actfs non préemptfs Françose Baude Dens Caromel Chrstan Delbé Ludovc Henro Equpe Oass, INRIA - CNRS - I3S 2004, route des Lucoles F-06902 Sopha Antpols

Plus en détail

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS Le cabnet Enetek nous démontre les mpacts négatfs de la multplcaton des stocks qu au leu d amélorer le taux de servce en se rapprochant du clent, le dégradent

Plus en détail

LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX *

LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX * LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX * "W.J.M. LEVELT et R. PLOMP (Insttute for Percepton R.V.O.-T.N.O., SOESTERBERG, PAYS-BAS) Introducton Il est ntéressant de savor de quelle manère

Plus en détail

Accord Entreprise. Le Guide du True-Up. Enterprise Agreement True - Up Guide

Accord Entreprise. Le Guide du True-Up. Enterprise Agreement True - Up Guide Enterprse Agreement True-Up Gude Accord Entreprse Le Gude du True-Up Enterprse Agreement True - Up Gude Le gude du True-Up dans l Accord Entreprse Table des matères Le True-Up des lcences on premse et

Plus en détail

ASCENSEUR FLUVIAL FUNICULAIRE DE STREPY-THIEU

ASCENSEUR FLUVIAL FUNICULAIRE DE STREPY-THIEU ASCENSEUR FLUVIAL FUNICULAIRE DE STREPY-THIEU Le canddat est nvté à formuler toute hypothèse cohérente qu lu semblerat nécessare pour pouvor répondre aux questons posées. Page 1 sur 21 1. PRESENTATION

Plus en détail

MODELISATION DES PROCESSUS LINEAIRES

MODELISATION DES PROCESSUS LINEAIRES MDELISATIN DES PRCESSUS LINEAIRES Dans un premer temps, nous ne consdérons que des processus partculers, supposés notamment statonnare. Cec permet de présenter un certan nombre d'outls dans un cadre relatvement

Plus en détail

LIGNES DIRECTRICES MORTALITE

LIGNES DIRECTRICES MORTALITE Lgnes drectrces mortalté de la Commsson d Agrément LIGNES DIRECTRICES MORTALITE Verson approuvée après consultaton des membres de l Insttut des Actuares nsérée en tant ue recommandaton dans les règles

Plus en détail

Enseignement secondaire. PHYSI Physique Programme

Enseignement secondaire. PHYSI Physique Programme Ensegnement secondare Dvson supéreure PHYSI Physque Programme 3CB_3CC_3CF_3MB_3MC_3MF Langue véhculare : franças Nombre mnmal de devors par trmestre : 1 PHYSI_3CB_3CC_3CF_3MB_3MC_3MF_PROG_10-11 Page 1

Plus en détail

ANALYSE DE LA DEMANDE D ÉLECTRICITÉ DU SECTEUR RÉSIDENTIEL DU QUEBEC COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIQUE PAR

ANALYSE DE LA DEMANDE D ÉLECTRICITÉ DU SECTEUR RÉSIDENTIEL DU QUEBEC COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIQUE PAR UNIVERSITÉ DU QUÉBEC À MONTRÉAL ANALYSE DE LA DEMANDE D ÉLECTRICITÉ DU SECTEUR RÉSIDENTIEL DU QUEBEC MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIQUE PAR FRÉDÉRIK AUCOIN FÉVRIER 2007

Plus en détail

1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2

1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2 - robabltés - haptre : Introducton à la théore des probabltés.0 robablté vs statstque.... Expérence aléatore et espace échantllonnal.... Événement.... xomes défnton de probablté..... Quelques théorèmes

Plus en détail

Installation du dispositif Cisco TelePresence MX200 - Sur pied

Installation du dispositif Cisco TelePresence MX200 - Sur pied 1a Déballage du système vdéo MX200 oîte de la base du ped de support MX200 La boîte de la base du ped de support MX200 content la colonne du ped de support, deux caches et la base du ped de support, ans

Plus en détail

Application de modèles grande échelle à la problématique régionale : cas de l ozone

Application de modèles grande échelle à la problématique régionale : cas de l ozone Applcaton de modèles grande échelle à la problématque régonale : cas de l ozone Laboratore Central de Survellance de la Qualté de l Ar Conventon n 115/03 Cécle HONORÉ, Laure MALHERBE Unté Modélsaton et

Plus en détail

5- Analyse discriminante

5- Analyse discriminante 5. ANALYSE DISCRIMINANTE... 5. NOTATION ET FORMULATION DU PROBLÈME... 5. ASPECT DESCRIPTIF...3 5.. RECHERCHE DU VECTEUR SÉPARANT LE MIEUX POSSIBLE LES GROUPES...4 5.. Cas partculer de deu groupes...7 5.3

Plus en détail

- donc n explique pas très bien le commerce entre pays industrialisés en particulier le commerce intraeuropéen

- donc n explique pas très bien le commerce entre pays industrialisés en particulier le commerce intraeuropéen Le commerce nternatonale en stuaton de concurrence mparfate: ros problèmes essentels des modèles théorques Rcardo, HOS, Standard: - fondés sur la CPP: le commerce n augmente pas la concurrence - pas d

Plus en détail

DIRIGER ADMINISTRER DÉVELOPPER

DIRIGER ADMINISTRER DÉVELOPPER 24 Adjont de drecton F/H Votre formaton BTS Hôtellere-restauraton BTS Management des untés commercales BTS Assstant de geston PME-PMI Lcence Management d untés de restauraton Vos mssons Vous anmez, formez

Plus en détail

RAPPORT DE RECHERCHE

RAPPORT DE RECHERCHE RAPPORT DE RECHERCHE N 2014-03 Le non-recours au RSA «socle seul» : l hypothèse du patrmone SYLVAIN CHAREYRON www.tepp.eu TEPP - Traval, Emplo et Poltques Publques - FR CNRS 3435 Le non-recours au RSA

Plus en détail

DÉCLARATIONS POUR LA BALANCE DES PAIEMENTS

DÉCLARATIONS POUR LA BALANCE DES PAIEMENTS DÉCLARATIONS POUR LA BALANCE DES PAIEMENTS GUICHET D ÉCHANGES DE FICHIERS SUR INTERNET GFIN TABLE DES MATIÈRES 1 1. PRINCIPES GÉNÉRAUX... 3 1.1 GÉNÉRALITÉS... 3 1.2 ÉLÉMENTS TECHNIQUES... 3 1.3 SPÉCIFICITÉS

Plus en détail

Installation & Guide de démarrage WL510 Adaptateur sans fil /Antenne

Installation & Guide de démarrage WL510 Adaptateur sans fil /Antenne Installaton & Gude de démarrage WL510 Adaptateur sans fl /Antenne Informaton mportante à propos du WL510 Adresse IP = 192.168.10.20 Nom d utlsateur = wl510 Mot de passe = wl510 QUICK START WL510-01- VR1.1

Plus en détail

Cours #8 Optimisation de code

Cours #8 Optimisation de code ELE-784 Ordnateurs et programmaton système Cours #8 Optmsaton de code Bruno De Kelper Ste nternet : http://www.ele.etsmtl.ca/academque/ele784/ Cours # 8 ELE784 - Ordnateurs et programmaton système 1 Plan

Plus en détail

LES POMPES. Devant la grande diversité de situations possibles, on trouve un grand nombre de machines que l on peut classer en deux grands groupes :

LES POMPES. Devant la grande diversité de situations possibles, on trouve un grand nombre de machines que l on peut classer en deux grands groupes : Ste: http://gene.ndustrel.aa.free.fr LES POMPES Les pompes sont des apparels permettant un transfert d énerge entre le flude et un dspostf mécanque convenable. Suvant les condtons d utlsaton, ces machnes

Plus en détail

COMPRENDRE LA BOURSE

COMPRENDRE LA BOURSE COMPRENDRE LA BOURSE L analyse fondamentale Ce document pédagogque n est pas un document de consels pour nvestr en bourse. Les nformatons données dans ce document sont à ttre nformatf. Vous êtes seul responsable

Plus en détail

Calcul de l unité astronomique Lors du transit de Vénus

Calcul de l unité astronomique Lors du transit de Vénus TP 8 Calcul de l unté astronomque Lors du transt de Vénus Nveau A partr du CM Evaluaton de l Unté Astronomque à partr de l observaton du transt de Vénus. -Propostons pédagogques Les propostons exposées

Plus en détail