Pablo Inchausti Marie-Agnès Coutellec Yvan Lagadeuc

Slides:



Advertisements
Présentations similaires
Corrélation Position du problème Définition covariance (X,Y) r =
Advertisements

Probabilités et statistiques au lycée
France Journées de l’Afef – 1er octobre 2010
Estimation et Projection des épidémies VIH/SIDA nationales
Sandrine Vaz & Pierre Petitgas
Estimation ponctuelle Estimation par intervalle de confiance
1 Enquête 2002 sur les budgets 2001 et juillet 2002 MINISTERE DE LA JEUNESSE, DE L'EDUCATION NATIONALE, DE LA RECHERCHE ET DES NOUVELLES TECHNOLOGIES.
Atelier sur lanalyse approfondie des migrations à partir des données de recensement: Ouagadougou novembre 2011 Bonayi Hubert DABIRE, UO/ISSP
Université de Ouagadougou
La régression logistique: fondements et conditions d’application
Inférence statistique
Tests de comparaison de pourcentages
1. Les caractéristiques de dispersion. 11. Utilité.
Page : 1 / 8 Conduite de projet Examen du 3 juin 1988 Durée : 4 heures Le support de cours est toléré La notation tiendra compte très significativement.
Page : 1 / 6 Conduite de projet Examen du 6 mai 1999 Durée : 4 heures Le support de cours est toléré La notation tiendra compte très significativement.
1 « Augmenter le taux demploi des seniors, les enseignements des expériences étrangères », Colloque organisé par le COR – 29 novembre 2007 Données de cadrage.
Cours 4.
1 Sommaire Evolution sur le long terme –Part des médecins de Secteur 2 (S2) et 1 DP dans les effectifs totaux, –Taux de dépassement, –Honoraires sans dépassement.
Module SIG-Santé 15. Modélisation Marc SOURIS
Analyse en Composantes Principales
Application des algorithmes génétiques
Vieillissement Tendances, enjeux, éclairage essonnien
Développement d’un modèle de dynamique des populations structuré en longueur – Application au merlu de l’Atlantique Nord-Est Hilaire Drouineau (EMH)‏ Directrice:
REPRESENTATION AU NIGER 5ème PROGRAMME PAYS. DIAGNOSTIC.
Cours Corporate finance Eléments de théorie du portefeuille Le Medaf
Élevage de la crevette tigrée géante et génétique quantitative
Régression linéaire simple
Simulation du contrôle biologique
Addition vectorielle de vecteurs
Description génétique de deux lignées de lapins sélectionnés
NOTION DE METAPOPULATION
Équations Différentielles
Exemple en dynamique de population
The conservation role of captive African wild dogs (Lycaon pictus)
Commentaires sur les biais écologiques et les échelles non emboîtées
Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :47 1 Concepts fondamentaux: statistiques et distributions.
Les modèles linéaires (Generalized Linear Models, GLM)
Corrélation Principe fondamental d’une analyse de corrélation
LA LOI DE HARDY-WEINBERG ET LA MICROÉVOLUTION
La Pyramide des âges.
Arithmétique et algèbre Continuités et ruptures : lettres, signe égal, expressions Module 1.
ÉCHANTILLONNAGE AU FIL DES PROGRAMMES Stage : nouveaux programmes de première Novembre 2011.
ELABORATION DU SCHEMA CINEMATIQUE Lève-Barrière SINUSMATIC
Demande stochastique stationnaire
Séries chronologiques et prévision
ESTIMATION DES PARAMETRES GENETIQUES INFLUANCANT LA TAILLE DE LA PORTEE CHEZ DES PORCS DE RACE PURE LANDRACE ET PIETRAIN.
Introduction aux équations différentielles ordinaires (EDO)
GOL503 Spécificités sectorielles
Mesures dans le temps Claude Marois 2012.
Organisation de coopération et de développement économiques Édition 2004 de Regards sur l’Éducation Septembre 2004 Eric Charbonnier Jean-Luc Heller.
1. Modèle original: G= r S (1-S/K)r = constante = Taux de croissance Modification du modèle de l’Île de Pâques incluant une diminution du taux de croissance.
T8.1 Organisation du chapitre
Dynamique des ligneux dans les écosystèmes tropicaux
Caswell 2001 Sinauer Associates
Théorème de la limite centrale l’inférence statistique
Le polymorphisme est régénéré (mutation)
Le belge : une espèce en voie de disparition ? Un contexte démographique dans les leçons de mathématiques. CREM, Nivelles, 07/05/08 Johan Deprez cfr.
Les premières étapes de l'histoire de vie en France et en Russie Pascal Sebille (CERPOS – Univ. Paris 10 Nanterre, INED) Alain Blum (CERCEC – EHESS) Sergei.
1 Individus, familles, sociétés Impact des changements démographiques Philippe Wanner Laboratoire de démographie et d’études familiales Université de Genève.
Point méthodologie: méthode capture-recapture
2008/ Plan du cours 1.Introduction –Contenu du cours 2.Logique mathématique –Calcul propositionnel –Calcul des prédicats –Logique floue et aide à.
Pour débuter la présentation animée
Calendrier (sur MathSV)
L’écologie des populations
La transition démographique
Modèle linéaire Relation entre une variable expliquée Y (par exemple le salaire), et p variables explicatives X j, j = 1, …, p (par exemple, p = 5, X 1.
Les Pyramides des Âges.
Composantes de base en démographie
ECHANTILLONAGE ET ESTIMATION
Individus Illustratifs (Supplémentaires) Individus jugés « intrinsèquement différents » Individus jugés « atypiques » Exemple Exemple :classe différente,
Transcription de la présentation:

Travaux Pratiques Démographie des populations avec structure d’âge: matrice de Leslie Pablo Inchausti Marie-Agnès Coutellec Yvan Lagadeuc Patrick Holt Leslie

Modèle 1: croissance exponentielle déterministe Modèle 2: croissance exponentielle stochastique N R(t) N R Suppositions du modèle: 1. L'histoire de vie de la population peut se résumer par le taux de croissance annuel, qui est constant au cours du temps. 2. Tous les individus sont équivalents du point de vue démographique (homogénéité individuelle) quels que soient leur âge, leur taille et leur sexe. 3. Disponibilité des ressources illimitée. 4. Maturité sexuelle immédiatement après la naissance. Suppositions du modèle: Idem à celles du modèle 1 sauf que le taux de croissance varie au cours du temps. (Stochasticité environnementale) Paramètres et conditions: N(0)=10 avg(R)=1.06 (2% de croissance annuelle) std (R)=0.2 t=20 années (durée de la simulation) 100 itérations. Paramètres et conditions: N(0)=10 R=1.06 (6% de croissance annuelle) t=20 années (durée de la simulation) Notion de risque de déclin/extinction:

Modèle 3: structure d’âge déterministe (matrice de Leslie) 1 2 3+ S0 S1 S3 S2 F2 F3 F1 Suppositions du modèle: 1. Hétérogénéité inter-individuelle: les taux démographiques (survie et fécondité) varient selon l ’âge des individus 2. Les taux démographiques sont constants au cours du temps. 3. Disponibilité des ressources illimitée. Paramètres et conditions: S0=0.706; S1=0.717; S2=0.751; S3=0.725 F1=F2=F3=0.48 Effectifs initiaux[29, 20, 14, 34]=97 ind. t=1,5,10 années (durée de la simulation) Convergence vers la structure d’âge stable

Les moyennes et les écart-types des taux démographiques sont estimés à partir d’un programme de suivi individuel des individus marqués. Albatros hurleur Moyenne = 0.93 Ecart-type= 0.05 Moyenne = 0.69 Ecart-type= 0.11

Convergence progressive vers la structure stable d'âge: vecteur propre de la matrice de Leslie Tandis que la structure d'âge de la population est en train d’atteindre ses proportions d'équilibre, la population est en expansion exponentielle: valeur propre de la matrice de Leslie STABLE

Valeur reproductive: contribution des individus d ’une classe d ’âge (et leurs descendants futurs) à l’accroissement de la population: vecteur propre ligne de la matrice de Leslie. Importance pour les mesures de contrôle (+/-) de la croissance populationelle Notion d’équivalence des individus des différentes classes d’âge: t=5 et [97, 0, 0, 0] Interprétation de la valeur propre et du vecteur propre.

Modèle 4: structure d’âge stochastique (matrice de Leslie généralisée) A noter: La taille est la variable qui explique le mieux les variations des taux démographiques. A la différence de l'âge, il est possible qu'un individu survive et reste dans la même classe de taille ou même devienne plus petit, et donc il y a plus de transitions possibles entre classes de taille que d'âge matrice de transition plus complexe.

<50 51-100 101-150 151-200 >200 D4 D5 D6 F4 F5 G4 S4 G5 S3 S2 S1

Valeurs moyennes des taux démographiques Ecarts-type des taux démographiques

Durée=30 ans (durée de la simulation) et «Replications» =100 A vérifier: Trajectory summary: les effectifs diminuent à un taux presque égal à l, mais quand t=30, il peut y avoir entre 3 et 259 individus (résultats de ma simulation). Extinction/déclin: Probabilité (Ntot50)=0.618 pour une période de 30 ans. Quelques questions: Comment faire décroître le risque prédit de déclin (extinction?) de la population? Sur quels taux démographiques faudra-t-il agir de façon prioritaire? Quel sera l’effet d’un changement de t (ex: "Duration=10" et "Duration=50") sur l'estimation du risque de déclin (d’extinction ?) ?