La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Biostatistiques et Processus Spatiaux (BIOSP-Avignon) ex-Biométrie.

Présentations similaires


Présentation au sujet: "Biostatistiques et Processus Spatiaux (BIOSP-Avignon) ex-Biométrie."— Transcription de la présentation:

1 Biostatistiques et Processus Spatiaux (BIOSP-Avignon) ex-Biométrie

2 18 personnes: 7 chercheurs (dont 2 des dpts SPE, EFPA) 3 ingénieurs (stats, algorithme, informatique) 2 techniciennes (informatique, secrétariat) 6 doctorants et/ou postdoctorants + 2 recrutements CR (MIA et SPE) en cours compétences globales en statistiques, probabilités (dynamiques et spatiales) mathématiques ED, EDS, EDP modélisation et analyse de modèles

3 I Pour de la modélisation en écologie, épidémiologie spatiales et dynamique des populations et répondre à des questions du genre:

4 1-Identification des interactions et des échelles pertinentes estimer les interactions locales entre individus intra et inter populations en densité non homogène (mauvaises herbes, brousse tigrée, buis) identifier les échelles spatiales interactions inter espèces et des facteurs environnementaux par décomposition fréquentielle des structures de covariance chenille tordeuse du pin et conditions bioclimatiques, caractérisation des habitats océanographiques des oiseaux marins (CNRS, Chizé) analyser lhétérogénéité à différentes échelles spatiales par la notion de variance de dispersion (télédétection végétale ) et très souvent pour inférer des hypothèses sur des données non standards: variables de dénombrement, nombre important de zéros, échantillons sur transects, des contraintes dobservations adapter des modèles bayésiens hiérarchiques pour la distribution des baleines en Méditerranée.

5 2- Détection de motifs spatiaux un problème à facettes multiples où il faut définir aussi bien le motif que le manque de motif détection de clusters de points par MV et tesselations de Voronoï: estimer le nb de clusters et leur contour ( fôrets canadiennes) détection de clusters de variables continues dans une population hétérogène par méthodes de permutations et choix de la distance entre distributions par modèle semi-paramétrique de Cox avec introduction de foyers comme paramètres (épidémiologie: mammites des élevages laitiers fançais (SA, Clermont), détection de clusters sous contraintes dinteractions en équilibre par modèle de Gibbs et calcul MCMC (données mammites et filaments galactiques!)

6 détection dagrégats sur support arborescent sans notion de topologie métrique pucerons sur citronniers:échelle dagrégation et stratégie de défense détection de zones de changement abrupt pour les champs aléatoires par estimation du champ gradient et de lagrégation de tests locaux sur les maximums données agriculture de précision, liaisons entre carte pédologique et carte de variables non permanentes (eau, N) classification de données spatialisées recouvrir une partition de lespace en zones homogènes pour des variables latentes (INRIA, Grenoble)

7 3- Dispersion de propagules, variations sur un thème à partir de données de comptage piégeage de graines de buis, dispersion du pin, dynamique du cèdre MV sur processus ponctuels non homogènes génétiques dispersion du pollen de colza, maïs, lalisier et le frêne,… estimation des mélanges génétiques et déconvolution analyse de paternité ou de parenté modèle hiérarchique de multinomiales intégrant les lois mendéliennes de suivis spatio-temporelles des générations modèles de dynamiques selon type de données (buis, oïdium vigne, cèdres,..)

8 caractériser la dispersion à longue distance effets des paramètres de la fonction de dispersion (queue, variance,…) méthodes MV étudier lhétérogénéité du milieu, la fragmentation, la forme des sources sur la vitesse et les patterns de colonisation les relations :densité (isolement) et capacité dinteraction entre individus modèle de type «frailty » et MV :rouille du blé, alisier, chêne et hêtre du Larzac déterminer les variables affectant la fertilité (taille, phénologie,...) Simuler des devenirs sous dynamique denveloppe climatique modèles stochastiques modèles réaction diffusion avec dépendance de lhétérogénéité spatiale et temporelle et conception de schémas expérimentaux pour confirmer/infirmer le type (logistique, Allee,)

9 II Des outils pour les uns, et des thèmes de recherche pour les autres...

10 1- champs et processus aléatoires support continu géostatistique classique ( champs gaussiens multivariables, krigeage, ajustement, prédiction, tendances, variogrammes,...) géostatistiques au sens large (données discrètes, modèles linéaires généralisés, variables latentes...) processus temporels ( suivi de potentiels infectieux, de fonctions de risque instantanné,…) support discret (points aléatoires et grilles régulières) processus ponctuels marqués modèle dintensité, des caractéristiques du second ordre (Ripley, covariance,...) modèles avec interaction (intra et inter marques) support arborescent (réseaux hydriques) modèles de covariance « stationnaire » amont-aval échantillonnage sur réseaux hydrographiques

11 2- Statistiques « ante et post-modèle » tester des hypothèses préliminaires pour asseoir un modèle traduire les hypothèses et construire les test adéquats recours à des procédures non paramétriques (permutations, translations, …) adapter des techniques spécifiques à des types dapplications (critère de fenêtrage de la fonction dincidence,…) fixer les limites dun modèle et voir comment passer à un autre type dimprécision, dagrégation des observations choix du modèle analyse des résidus post-modèle pour interpréter les données, spécifier les caractéristiques dun modèle hiérarchique

12 3- Exploration/analyse de sensibilité des modèles complexes Toutes approches confondues, une préoccupation à bien partager entre modélisateurs animation du groupe « Exploration numérique des propriétés des modèles » PSH, Patho-V, Fôrets,CSE,bioclim faire connaître les approches et les outils danalyse de sensibilité globale en fonction de la maniabilité du modèle (échantillonnage: Anova, Sobol, Fast) hiérarchisation des facteurs et étude de leurs interactions les problèmes dinversibilité des approches spécifiques locales par géostat (recherche de métriques sur lespace des paramètres, étude des singularités, réduction des dimensions dentrées, sorties


Télécharger ppt "Biostatistiques et Processus Spatiaux (BIOSP-Avignon) ex-Biométrie."

Présentations similaires


Annonces Google