OASIS: Un outil d’analyse de la ségrégation et des inégalités spatiales Mihai Tivadar, Yves Schaeffer, André Torre, Fréderic Bray IRSTEA, UR DTGR, Grenoble.

Slides:

Advertisements

Présentations similaires

Chap. 3 – Unité et diversité du Sud

Advertisements

Atelier RBM-MERG sur la formation à lEIP, 6 au 9 octobre 2008, Dakar, Sénégal1 Observations sur l'échantillonnage, et notamment, sur l'utilisation d'un.

MIRIPHYQUE : Mise au point de descripteurs du risque de contamination des eaux de surface par les phytosanitaires à léchelle du bassin versant. Prise en.

Introduction Pour concrétiser l’enseignement assisté par ordinateur

DIFFUSION DES DONNEES SOCIO-DEMOGRAPHIQUES AU BURUNDI

Nairobi, Kenya, Septembre 2010

Formation en Analyse des Données

Calculs numériques en Prolog

Question 3 Représenter le monde Des outils pour la géographie

Tests et Validation du logiciel

Cours Visual Basic pour Application

Module SIG-Santé 12. SIG et analyse spatiale

Emmanuel Bonnet Représentation des risques. P OURQUOI UTILISER LES REPRÉSENTATIONS ? Mesurer les distances entre la localisation des risques et leurs.

Module SIG-Santé 15. Modélisation Marc SOURIS

SPATIAL WOODSTOCK ET STANLEY

Gestion des réserves naturelles

Traitement de données socio-économiques et techniques d’analyse :

La méthode de Monte Carlo

Sécurité des personnes - Document Unique

Etude longitudinale d’essais multilocaux: apports du modèle mixte

Administration de bases de données spatiales avec SavGIS

Epidémiologie, analyse spatiale et géostatistique

Dominique LOUIS – Stage cartographie – 8 mars 2006 Discrétisation cartographique La carte, un ensemble de choix.

Comprendre la variation dans les données: Notions de base

Accès à une quantité impressionnante de données Classement en 10 chapitres.

Mesures de répartition de la population Claude Marois 2012.

Ecole doctorale Pierre Louis - Saint Malo

Gestion des réserves naturelles

Développement informatique : Outils dexploitation de films infrarouges Projet dimagerie : Reconnaissance automatique de lemplacement dobjets sur des imagesinfrarouges.

STT-3220 Méthodes de prévision Section 2 Modèle avec deux variances inconnues: Méthode reposant sur un test préliminaire Version: 21 janvier 2008.

« Geographical genetics » Epperson 2003

CARTOGRAPHIE STATISTIQUE

Présentation en ligne comme outil d’analyse territoriale …

Des cartes pour comprendre le monde

Projet pour la génération de cartes choroplèthes – SIGMA – février 2009 DEVELOPPEMENT DU PROTOTYPE D ’ UNE APPLICATION WEB DE GENERATION DE CARTES CHOROPLETHES.

ANALYSE DE DONNEES TESTS D’ASSOCIATION

STATISTIQUES – PROBABILITÉS

JEAN-MARC FONTAN SOC-1101 COURS 3

Nous avons sélectionné pour vous les outils nécessaires à la mise en œuvre de la séquence didactique proposée.

Sériation et traitement de données archéologiques

L’évaluation économique des scénarios sylvicoles (activité 6.2) Application Le 3 novembre 2010 Formation PAFI.

1 Les outils statistiques Test du Khi². 2 3 Sélectionnez la question par un double clic.

Les Logiciels d’image. Remarque en ce qui concerne cet exposé Il existe sur le Marché actuel des centaines de logiciels d’image, certains gratuits mais.

LE DATA WAREHOUSE.

Management de la qualité

PHP 6° PARTIE : LES SESSIONS 1.Introduction 2.Identificateur de session 3.Variables de session 4.Client / Serveur 5.Principe 6.Ouverture de session 7.Enregistrement.

OASIS: Un outil d’analyse de la ségrégation et des inégalités spatiales Mihai Tivadar, Yves Schaeffer, André Torre, Fréderic Bray IRSTEA, UR DTGR, Grenoble.

DU TRAITEMENT DU SIGNAL

Analyse Exploratoire des Données Géographiques ESDA Analyse Exploratoire des Données Géographiques ESDA Didier JOSSELIN ESPACE, UMR 6012, CNRS, Avignon,

systèmes d’information géographique

AVANT 1990 Situation des pays dans le monde, analysée par la Banque Mondiale Classement basé sur le PIB par habitant.

FENÊTRE D’ACCEUIL OFFRANT DIFFÉRENTS MODULES Une quantité impressionnante d'information.

Accès à une quantité impressionnante de données Classement en 10 chapitres.

Analyse des semis de point

Présentation du robot Buggy formula Flow code

Gaëtan BONNARD (4 février 2005) Responsable : Laurent TOUBIANA INSERM U707 « Epidémiologie, systèmes d'informations, modélisation » “Développement d'une.

Détecter les groupes à hauts risques cardiaques à partir de caractéristiques telles que l’alimentation, le fait de fumer ou pas, les antécédents familiaux.

ADePT SP Un outil d’analyse de l’incidence des prestations

PREMIERS RESULTATS DANS LE DEPARTEMENT DE LA LOIRE

BIOSTATISTIQUES Définitions.

P.Pitre, CLR NE PAS CITER, DOCUMENT DE TRAVAIL Exploration cartographique des données d’accès à des aliments santé à Montréal.

Statistiques Cours de première S. II Indicateurs de dispersion Ils permettent de caractériser la répartition des éléments autour de la moyenne ou de la.

Système d’Information Géographique Equipe-SIG Direction Régionale de Meknès.

Introduction à l’analyse multidimensionnelle Master BOE LATLI Adrien

Introduction à l’analyse multidimensionnelle Master BOE LATLI Adrien

Hadrien Commenges Université Paris 7, Géographie-cités Hélène Mathian CNRS – Géographie-cités Claude Grasland Université Paris 7, Géographie-cités Introduction.

Formation SGA Module Budget Durée : 1 jour. Sommaire Formation Budget 1.Notions de base 2.Accéder au budget – Chemin d’accès au fichier Excelarator –

Jean Gaudart1 Détection de clusters spatiaux d'évènements Jean Gaudart Labo. Biostatistiques Faculté de Médecine de Marseille.

Transcription de la présentation:

OASIS: Un outil d’analyse de la ségrégation et des inégalités spatiales Mihai Tivadar, Yves Schaeffer, André Torre, Fréderic Bray IRSTEA, UR DTGR, Grenoble

OASIS est une interface en ligne qui offre des outils statistiques et cartographiques pour l’analyse des variables spatialisée Avantages par rapports aux logiciels existants: Des outils regroupés, avant dispersés sur plusieurs logiciels et interfaces Accès libre, automatisation et facilité d’utilisation Outils nouveaux: simulations de Monte Carlo

Statistiques descriptives

Cartographie

Indices de ségrégation Dimensions: égalité, exposition, concentration, regroupement, centralisation Indices intragroupes, intergroupes, multigroupes Indices locaux (cartographie de la ségrégation) Tests de Monte Carlo

Indices de ségrégation: l’égalité IS DuncanIS MorillIS WongIS GorardGini cadres100,16630,11760,15190,14420,2203 ouvriers100,15610,11570,14440,13960,2105 sans_activite100,14490,10990,13460,11650,1789 indep_agr100,1230,11040,1190,11940,1601 retraites100,09630,04660,08080,07410,123 employes100,07790,0420,06710,06610,1135 intermediaires100,0490,02110,04040,04150,0669

Indices de ségrégation: l’égalité

Indices de ségrégation: la centralisation

Ségrégation locale (quotient de localisation, diversité locale)

Indices de ségrégation: tests de Monte Carlo Permettent de tester la significativité des indices ou de leur « composante » spatiale Deux types de simulations Test des permutations Tests des localisations aléatoires Sans contrainte Avec contraintes: superficie des unités spatiales, superficie artificialisées

Indices de ségrégation: tests de Monte Carlo (permutations) ISMorillE(ISMorill)RangP-valueConfiance (%) cadres100,11760, ,0199 ouvriers100,11570, ,0199 indep_agr100,11040, ,0199 employes100,0420, ,0199 sans_activite100,10990, ,0298 intermediaires100,02110, ,3466 retraites100,04660, ,4159

Indices de ségrégation: tests de Monte Carlo (permutations)

Indices de ségrégation: tests de Monte Carlo (aléatoire)

Indices d’autocorrélation spatiale Indices calculés: Moran et Geary Valeurs absolues et relatives Trois types de matrices spatiales Contiguïté Distances Frontières communes Autocorrélation spatiale locale Tests de Monte Carlo Permutations Localisation aléatoires (sans et avec contrainte)

Indices d’autocorrélation spatiale ContigüitéFrontière communeDistance centroïdes IMoranZ-scoreP-valueIMoranZ-scoreP-valueIMoranZ-scoreP-value cadres100,313,400,000,403,810,000,254,760,00 ouvriers100,293,120,000,393,680,000,254,720,00 sans_activite100,323,590,000,383,780,000,214,150,00 indep_agr100,242,670,010,191,900,060,254,790,00 employes100,182,050,040,232,260,020,132,730,01 retraites10-0,14-1,220,22-0,09-0,680,50-0,07-0,970,33 intermediaires10-0,06-0,450,65-0,020,020,98-0,05-0,620,54

Indices d’autocorrélation spatiale

Autocorrélation spatiale locale

Autocorrélation spatiale: Test de MC (permutations) ContigüitéFrontière communeDistance centroïdes IMoranRangP-valueIMoranRangP-valueIMoranRangP-value cadres100,311000,010,401000,010,251000,01 ouvriers100,29990,010,391000,010,251000,01 sans_activite100,321000,010,381000,010,211000,01 indep_agr100,241000,010,19980,020,251000,01 employes100,18970,030,23990,010,13990,01 retraites10-0,14110,89-0,09270,73-0,07140,86 intermediaires10-0,06320,68-0,02600,40-0,05250,75

Autocorrélation spatiale: Test de MC (permutations)

Autocorrélation spatiale: Test de MC (aléatoire) ContigüitéFrontière communeDistance centroïdes IMoranRangP-valueIMoranRangP-valueIMoranRangP-value cadres ouvriers sans_activite indep_agr employes retraites intermediaires

Autocorrélation spatiale: Test de MC (localisation aléatoires)

Version test disponible en ligne: Développements Intégration de plus de données Introduction de plusieurs échelles spatiales Amélioration de la mise en forme Possibilité d’importer des données et des fonds cartes Développement des nouveaux indicateurs et tests