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.

DIFFUSION DES DONNEES SOCIO-DEMOGRAPHIQUES AU BURUNDI

Formation en Analyse des Données

1 Projet « URC » Urbanisme des RadioCommunications COPIL Technique SP3 08 juin 2007.

Calculs numériques en Prolog

Question 3 Représenter le monde Des outils pour la géographie

NFE 107 : Urbanisation et architecture des systèmes d'information

Tests et Validation du logiciel

La société MAKINA CORPUS Spécialisée dans le « libre ». Deux pôles technologiques principaux. La conjoncture.

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 :

Sécurité des personnes - Document Unique

Administration de bases de données spatiales avec SavGIS

Développement d’IHM* et d’applicatifs spécifiques

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.

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

INFRASURE Session 3 : Véhicules CCF et éléments d’architecture fonctionnelle J. Ehrlich – LIVIC (Unité mixte LCPC-INRETS)

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

Légende : vol (3 possibilités d’affectation) : possibilité d’affectation d’un niveau à un vol : niveau affecté à un vol : conflit potentiel rejeté : conflit.

ANALYSE DE DONNEES TESTS D’ASSOCIATION

Mastère Professionnel Systèmes de Communication et Réseaux

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

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

systèmes d’information géographique

Chapitre 2 La statistique descriptive I

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

Remise à niveau en statistique Eric Marcon – Module FTH 2006.

Présentation du robot Buggy formula Flow code

Activités Mentales Classe 3 e Test n°6. Consignes  Chaque question restera un certain temps à l’écran et tu ne devras rien écrire pendant ce temps. 

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.

Accès aux normes Henk Vanhove Sales Manager. Dossier / Tâche La recherche interne RetrouvéeVérification Pas retrouvée Commande.

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.

Géomatique Systèmes de projection Types de données Applications Qu’est-ce qu’un SIG ? Présentation de la géomatique La géomatique regroupe l'ensemble des.

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.

Etude méthodologique : ● B/ Construction d'un indice de qualité des sols: ● 3 niveaux de contraintes: Contraintes absolues ( pente, salinité )

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 cadres090,1910,13720,18030,16670,2573 indep_agr090,18770,1570,18150,18130,2511 ouvriers090,16880,12070,1590,150,2307 sans_activite090,14770,10760,13940,12030,1925 retraites090,09750,03450,08460,0750,1305 employes090,08830,04410,07930,07480,1271 intermediaires090,070,02270,06060,0590,0997

Indices de ségrégation: l’égalité

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)

Ségrégation locale (quotient de localisation, diversité locale)

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 I MoranZ-scoreP-value cadres090,41778,19160,000 ouvriers090,27275,44510,000 sans_activite090,21634,30860,000 indep_agr090,20524,12210,000 employes090,10062,05430,0399 retraites090,08021,80550,0710 intermediaires090,01780,44420,6569

Indices d’autocorrélation spatiale

Autocorrélation spatiale locale

Autocorrélation spatiale: Test de MC (permutations) I MoranRangP-value cadres090, ,00 ouvriers090, ,00 sans_activite090, ,00 indep_agr090, ,00 retraites090, ,00 employes090, ,03 intermediaires090, ,32

Autocorrélation spatiale: Test de MC (permutations)

Autocorrélation spatiale: Test de MC (localisation aléatoires contraintes par la superficie artificialisée) IMoranRangP-value cadres090, ,00 ouvriers090, ,00 sans_activite090, ,01 indep_agr090, ,00 employes090, ,07 retraites090, ,28 intermediaires090, ,53

Autocorrélation spatiale: Test de MC (localisation aléatoires contraintes par la superficie artificialisée)

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