Littérature scientifique sur le sujet « Données non identiquement distribuées »

Résumé L’analyse fréquentielle des événements extrêmes est un des outils privilégiés pour l’estimation des débits de crue et de leurs périodes de retour. En analyse fréquentielle, les observations doivent être indépendantes et identiquement distribuées (iid). Ces hypothèses ne sont pas souvent respectées et les paramètres de la loi à ajuster sont fonction du temps ou de covariables. Le modèle GEV non stationnaire permet de tenir compte de cette dépendance. L’objectif du présent travail est de comparer la méthode du maximum de vraisemblance pour l’estimation des quantiles à la méthode du maximum de vraisemblance généralisée (GML) et à une généralisation de la méthode des L‑moments dans le cas non stationnaire. Trois modèles sont considérés : le modèle stationnaire (GEV0), le cas où le paramètre de position est une fonction linéaire de la covariable (GEV1) et le cas d’une dépendance quadratique (GEV2). Un cas d’étude des précipitations à une station de la Californie montre le potentiel des modèles non stationnaires.

La Nouvelle-Calédonie est un archipel situé dans le sud-ouest de l'océan Pacifique. Il concentre les principales particularités des pays insulaires du Pacifique:à®les entourées par un lagon fermé par des récifs coralliens et couvertes par une végétation typique; exposées à aux risques littoraux majeurs (ouragan, tsunami, changement climatique et élévation du niveau marin) (Mimoura 1999). Les données de télédétection à partir de satellites d'observation de la Terre constituent l'une des principales sources d'information sur l'environnement. Au cours des 40 dernières années, la qualité, la précision, la couverture et la répétitivité des données de télédétection ont été constamment améliorés. La constellation Pléiade offre depuis 2012 la possibilité de recueillir des données mutlispectrales tri-stéréoscopiques à 70 cm de résolution dont le potentiel pour fournir des informations utiles aux décideurs en Nouvelle-Calédonie a été évalué sur le suivi des mangroves, la cartographie de l'érosion des sols et la vulnérabilité aux aléas cyclonique et tsunami. Le défi majeur est donc de fournir aux décideurs la bonne information au bon moment et d'une manière conviviale à partir de ce type de données. Le Geospatial Cloud Computing de QëhnelöTM permet le développement de plateformes Web capables de se connecter à des bases de données distribuées, exploiter les données, exécuter des processus distants d'analyse et de modélisation. Il permet ainsi la combinaison de données de télédétection avec des données distribuées dans des outils d'analyse spatiale pour suivre l'environnement soumis aux contraintes sociales et industrielles pour une prise de décision efficace par des non-spécialistes.

En fin de première année de formation à l’enseignement primaire, les étudiants du canton de Vaud en Suisse sont certifiés par des examens de différentes natures. Pour cette recherche à caractère exploratoire, nous avons retenu deux certifications particulières. La première concerne un module intitulé Savoirs mathématiques et enseignement, qui est certifié par un questionnaire à choix multiples (QCM) et qui exige des étudiants non seulement qu’ils répondent aux questions, mais également qu’ils indiquent leurs degrés de certitude des réponses données. Ce faisant, ils s’autoévaluent et cette estimation est prise en compte dans la réussite à l’examen. La seconde concerne un module intitulé Enseignement et apprentissage. L’examen se structure par des questions ouvertes testant les capacités d’analyse de tâches distribuées aux élèves des classes de la région. L’article présente les résultats d’une recherche visant à comprendre les liens entre des expériences évaluatives et des postures en formation de quatre étudiantes, puis à définir d’éventuelles logiques de formation. Nous avons relevé quatre postures qui remettent en question le rapport aux savoirs de la profession.

Dans cette revue, nous discutons de progrès récents dans la modélisation inverse des sources de polluants atmosphériques, en particulier d’origine accidentelle, de l’échelle régionale à l’échelle continentale. Il s’agit typiquement de caractériser et d’estimer une source de pollution émanant d’un site industriel au moyen d’un modèle numérique de chimie-transport et de mesures de concentrations de ce polluant distribuées en espace et en temps. Le formalisme mathématique permettant d’unifier ces informations est celui de l’assimilation de données, qui offre un cadre bayésien. Nous montrons comment formuler mathématiquement un tel problème, puis comment le résoudre, notamment à l’aide de techniques non-paramétriques. Parce que la chimie associée à un tel évènement physique peut être souvent considérée linéaire à court terme, des méthodes mathématiques plus avancées peuvent être mises en œuvre avec des résultats mieux contraints. Au-delà de l’estimation des sources, la caractérisation des incertitudes liées à des estimations est ensuite discutée. Des exemples récents issus de la littérature sont donnés sur les cas d’ETEX, de l’accident de Tchernobyl, et de l’incident d’Algésiras. Enfin, nous décrivons l’impact des résolutions spatiale et temporelle de l’espace des paramètres sur la reconstruction de la source. Dns le contexte de la dispersion atmosphérique, l’estimation de la source peut en dépendre significativement.

Vingt essais ont été réalisés en France sur 360 vaches recevant de la somatotropine (BST) retard tous les 14 ou 28 jours, à des doses correspondant à 24 ou 35 mg/j. Les données obtenues suggèrent, en première approximation, que l’effet de la BST retard sur la production laitière varie assez nettement selon la dose totale injectée chaque mois, et assez faiblement selon la fréquence d’injection (1 ou 2 fois par mois). Selon les conditions d’utilisation (dose et fréquence), les effets moyens ont été compris entre + 2,2 et + 3,7 kg de lait par jour avec des rations hivernales, et entre + 1,2 et + 2,3 kg de lait par jour au pâturage. Les réponses inférieures au pâturage pourraient être dues à la qualité de l’herbe, au stade de gestation ou à la durée du traitement. La composition du lait n’est pas modifiée au pâturage chez des vaches en milieu de lactation. Il existe une tendance à la diminution du taux protéique (- 0,5 g/l environ) avec les rations hivernales distribuées lorsque le traitement à la BST est de 3 à 4 mois après le pic de lactation. Ces chiffres provisoires devront être réévalués sur la base d’un plus grand nombre d’essais et après dépouillement statistique approfondi. Outre ces valeurs moyennes, la production et la composition du lait fluctuent entre deux injections successives, de façon croissante lorsque s’accroît l’intervalle entre injections. Les vaches traitées montrent aussi une diminution de leur note d’état corporel (- 0,3 point environ) lorsqu’elles reçoivent une ration hivernale au pic de lactation (ce qui peut entraîner un retard de fécondation non négligeable), ou lorsqu’elles sont au pâturage avec des quantités limitées de concentré. La variabilité de la réponse est très grande entre essais et entre vaches. Les données actuellement publiées ne permettent pas d’évaluer d’éventuels effets à long terme sur la santé et la carrière des animaux.

Depuis le déclenchement de la crise sanitaire, le dynamisme des créations d’emplois dans le secteur marchand non agricole en France ne cesse de nous surprendre trimestre après trimestre. Fin 2022, soit trois ans après le début de la crise Covid, l’activité dans ce même secteur, mesurée par sa valeur ajoutée, se situe 1,2 % au-dessus de son niveau pré-crise. Compte tenu du sentier de croissance de la productivité du travail observé avant la crise, évalué à 0,9 % l’an par Ducoudré et Heyer (2017), cette faible croissance de l’activité aurait dû conduire, toutes choses égales par ailleurs, à une baisse de 1,6 % de l’emploi salarié dans le secteur marchand fin 2022. Mais au lieu de baisser de plus de 270 000 postes, l’emploi salarié marchand non agricole a au contraire progressé de près de 800 000 (+4,6 %) au cours des trois dernières années selon les chiffres de la comptabilité nationale. Dans cet article, trois pistes ont été avancées et testées pour expliquer cet écart de plus de 1 million d’emplois salariés marchands au cours de la période 2019-2022 : ■ La première réside dans une durée du travail moyenne par salarié qui n’avait toujours pas retrouvé son niveau qui prévalait avant la crise, réduisant la productivité apparente des salariés ; ■ Le fort recours à l’apprentissage observé depuis 2019 est une deuxième piste envisageable (Coquet, 2023) ; ■ La troisième serait due aux nombreuses aides distribuées aux entreprises depuis la crise de la Covid-19 qui, en modifiant les incitations des entreprises à licencier et embaucher, a pu les inciter à faire de la rétention de main d’œuvre. Ces aides ont non seulement pu enrichir la croissance en emplois des entreprises qui se portent bien mais aussi maintenir artificiellement certaines d’entre elles en activité alors même qu’elles auraient dû faire faillite, comme l’illustre le très faible nombre de défaillances d’entreprises au cours des trois dernières années. Il ressort de nos estimations d’équations de demande de travail réalisées sur données macro-sectorielles que ces trois pistes expliqueraient près de 70 % de l’écart de créations d’emplois décrit précédemment. Dans le détail, la moindre durée du travail des salariés en expliquerait 18 % (soit près de 200 000 emplois), 24 % seraient à mettre en lien avec la forte progression du nombre d’apprentis au cours de période d’analyse (soit plus de 250 000 emplois) et 26 %, soit près de 280 000 emplois, s’expliqueraient par les mesures « exceptionnelles » de soutien aux entreprises. Notons par ailleurs que si ces trois pistes expliquent la quasi-intégralité de l’effet dans le secteur des services marchands, elles n‘en expliquent que la moitié dans celui de la construction et à peine un tiers dans celui de l’industrie. Dans ce secteur, avant de conclure à une baisse tendancielle des gains de productivité et en attendant les comptes nationaux définitifs, une explication alternative pourrait être avancée : l’anticipation d’une reprise illustrée par des carnets de commandes fournis pourrait inciter les employeurs à conserver leurs effectifs afin d’éviter les coûts liés à la recherche de nouveaux candidats une fois les problèmes d’approvisionnement réglés. Ce comportement peut se trouver exacerbé dans un contexte où une grande majorité des entreprises déclare rencontrer des pénuries de main-d’œuvre.

Le rôle d'intermédiaire entre la population et le gouvernement que LEISERSON attribue aux partis politiques ne peut être rempli de façon adéquate que si le parti politique réussit à se constituer en organisation, c'est-à-dire que si le parti réussit à regrouper plusieurs individus dont il coordonnera les activités en vue de la poursuite de certains objectifs acceptés par tous. Comme l'exprime très bien ELDERSVELD, l'organisation permettra «de recruter des leaders, d'élaborer une politique, d'organiser la prise de décision, d'assurer les communications entre les gouvernants et les gouvernés, de façonner le consensus, d'assurer la responsabilité et d'orienter la société vers la solution de ses conflits». La dimension organisationnelle des partis, même si elle est loin d'être la seule, semble donc constituer un élément fondamental pour qui veut acquérir une meilleure compréhension de la vie des partis politiques. D'ailleurs, les politistes qui ont le plus contribué à l'élaboration d'une théorie des partis politiques les ont d'abord envisagés comme des organisations. On perçoit dès lors que l'une des priorités des dirigeants du parti sera d'assurer le maintien et la continuité de l'organisation. En d'autres mots, l'organisation devra faire en sorte que ses membres ne quittent pas l'organisation et qu'ils continuent à participer et à poursuivre les objectifs reconnus par tous. À la suite de BARNARD et de SIMON, nous allons considérer l'organisation d'un parti politique comme un système d'échanges où des individus fournissent certaines ressources en retour de la satisfaction de certains besoins qu'ils estiment importants. Un certain équilibre doit donc s'établir entre les contributions des membres et les incitations que leur fournit leur participation à l'organisation, sinon la survie du parti est mise en danger. Si les membres constatent que les ressources qu'ils investissent dans l'organisation ne permettent pas de satisfaire certains de leurs besoins, ils remettront en question leur adhésion à l'organisation et peut-être la quitteront-ils. Les incitations doivent, par conséquent, être au centre des préoccupations des personnes responsables du maintien et de la continuité de l'organisation. Or, l'administration du stock d'incitations dont disposent les dirigeants d'une organisation est rendue difficile par les caractéristiques même des incitations. Comme toutes les ressources, elles sont rares et elles ne sont pas distribuées également entre les individus. De plus, une organisation ne pourra pas offrir à ses membres une quantité d'incitations plus grande que les ressources à sa disposition. Ces incitations devront aussi convaincre les membres d'investir, par leurs contributions, des ressources qui pourront être transformées en incitations, de telle sorte que les ressources disponibles soient plus nombreuses que les incitations. Avant d'aller plus loin, une distinction s'impose entre les concepts de motivation et d'incitation tels qu'ils sont employés dans cet article. Pour nous, une incitation doit être vue comme une ressource distribuée par l'organisation pour assurer la participation de ses adhérents. C'est dans ce sens que le terme est utilisé par CLARK et WILSON tout au long de leur article. Par contre, la motivation est la perception qu'a l'adhérent des récompenses qu'il reçoit de son activité dans une organisation. Alors que l'incitation est analysée du côté de l'organisation, la motivation se perçoit plutôt du côté du membre. Dans cet article, nous nous attacherons surtout aux motivations, c'est-à-dire aux récompenses que les individus ont l'impression de retirer de leurs activités politiques. Nous estimons en effet que l'équilibre des échanges dans l'organisation se définit surtout en fonction de l'évaluation subjective qu'en font les membres. Cela ne nous empêchera pas, cependant, de recourir au système d'incitations quand le besoin s'en fera sentir. Après avoir brièvement présenté la méthode utilisée au cours de notre recherche, nous mettrons en relief la structure générale des motivations, telle qu'elle ressort des réponses de nos informateurs, et dans une seconde partie, nous tenterons d'établir des relations entre quelques variables indépendantes et les motivations. Méthode Pour obtenir nos données, nous avons conduit une entrevue avec chacun des vingt-trois chefs de paroisse de l'Union Nationale dans une circonscription électorale rurale située non loin de la ville de Québec. Les noms de ces vingt-trois organisateurs nous avaient été fournis par le député de la circonscription. Trois des entrevues ont été faites en mars 1969 dans le cadre d'une recherche plus générale sur les organisations partisanes de circonscription dans la région de Québec. Quatre autres se sont déroulées en juillet et la majorité (seize) au mois d'août 1969. Les entrevues ont été les mêmes pour chaque informateur. Dans une première partie, l'informateur devait répondre à des questions concernant la dernière élection provinciale (celle de 1966) et les communications à l'intérieur de l'organisation depuis cette date. La seconde partie contenait surtout des questions sur les caractéristiques socio-économiques des interviewés. À la fin de cette section, nous avions inclus les trois questions touchant les motivations de nos chefs de paroisse. Si on exclut les trois premières entrevues qui ont duré environ deux heures, la presque totalité des entrevues n'a pas dépassé une heure. Les trois questions que nous avons posées aux chefs de paroisse pour découvrir leurs motivations ont été empruntées à Eldersveld. L'utilisation des questions d'Eldersveld nous permettait non seulement d'établir des comparaisons avec ses données, mais aussi avec deux autres études, l'une américaine 0 et l'autre norvégienne, n qui ont eu recours à peu près au même genre de questions.

Dans la premiere partie de ce travail nous etudions les valeurs extremes des statistiques d'ordre d'observations independantes mais non identiquement distribuees. Nous obtenons des resultats de stabilite ainsi que la loi limite des valeurs extremes. La deuxieme partie est consacree a l'etude de la convergence des statistiques d'ordre de rang intermediaire et central, dans le cas d'observations identiquement distribuees. Nous montrons dans le cas d'un processus extremal que la loi est generee par le mouvement brownien

Le fonctionnement des algorithmes d’apprentissage automatique repose grandement sur la structure des données qu’ils doivent utiliser. La majorité des travaux de recherche en apprentissage automatique se concentre sur l’étude de données homogènes, souvent modélisées par des variables aléatoires indépendantes et identiquement distribuées. Pourtant, les données apparaissant en pratique sont souvent hétérogènes. Nous proposons dans cette thèse de considérer des données hétérogènes en les dotant d’un profil de variance. Cette notion, issue de la théorie des matrices aléatoires, nous permet notamment d’étudier des données issues de modèles de mélanges. Nous nous intéressons plus particulièrement à la problématique de la régression ridge à travers deux modèles : la régression ridge linéaire (linear ridge model) et la régression ridge à caractéristiques aléatoires (random feature ridge model). Nous étudions dans cette thèse la performance de ces deux modèles dans le cadre de la grande dimension, c’est-à-dire lorsque la taille de l’échantillon d’entraînement et la dimension des données tendent vers l’infini avec des vitesses comparables. Dans cet objectif, nous proposons des équivalents asymptotiques de l’erreur d’entraînement et de l’erreur de test relatives aux modèles d’intérêt. L’obtention de ces équivalents repose grandement sur l’étude spectrale issue de la théorie des matrices aléatoires, des probabilités libres et de la théorie des trafics. En effet, la mesure de la performance de nombreux modèles d’apprentissage dépend de la distribution des valeurs propres de matrices aléatoires. De plus, ces résultats nous ont permis d’observer des phénomènes spécifiques à la grande dimension, comme le phénomène de la double descente. Notre étude théorique s’accompagne d’expériences numériques illustrant la précision des équivalents asymptotiques que nous fournissons
The functioning of machine learning algorithms relies heavily on the structure of the data they are given to study. Most research work in machine learning focuses on the study of homogeneous data, often modeled by independent and identically distributed random variables. However, data encountered in practice are often heterogeneous. In this thesis, we propose to consider heterogeneous data by endowing them with a variance profile. This notion, derived from random matrix theory, allows us in particular to study data arising from mixture models. We are particularly interested in the problem of ridge regression through two models: the linear ridge model and the random feature ridge model. In this thesis, we study the performance of these two models in the high-dimensional regime, i.e., when the size of the training sample and the dimension of the data tend to infinity at comparable rates. To this end, we propose asymptotic equivalents for the training error and the test error associated with the models of interest. The derivation of these equivalents relies heavily on spectral analysis from random matrix theory, free probability theory, and traffic theory. Indeed, the performance measurement of many learning models depends on the distribution of the eigenvalues of random matrices. Moreover, these results enabled us to observe phenomena specific to the high-dimensional regime, such as the double descent phenomenon. Our theoretical study is accompanied by numerical experiments illustrating the accuracy of the asymptotic equivalents we provide

Cette thèse étudie l'inférence de modèles graphiques Gaussiens en grande dimension à partir de données du transcriptome non indépendamment et identiquement distribuées dans l'objectif d'estimer des réseaux de régulation génétique. Dans ce contexte de données en grande dimension, l'hétérogénéité des données peut être mise à profit pour définir des méthodes de régularisation structurées améliorant la qualité des estimateurs. Nous considérons tout d'abord l'hétérogénéité apparaissant au niveau du réseau, fondée sur l'hypothèse que les réseaux biologiques sont organisés, ce qui nous conduit à définir une régularisation l1 pondérée. Modélisant l'hétérogénéité au niveau des données, nous étudions les propriétés théoriques d'une méthode de régularisation par bloc appelée coopérative-Lasso, définie dans le but de lier l'inférence sur des jeux de données distincts mais proches en un certain sens. Pour finir, nous nous intéressons au problème central de l'incertitude des estimations, définissant un test d'homogénéité pour modèle linéaire en grande dimension
This thesis investigates the inference of high-dimensional Gaussian graphical models from non identically and independently distributed transcriptomic data in the objective of recovering gene regulatory networks. In the context of high-dimensional statistics, data heterogeneity paves the way to the definition of structured regularizers in order to improve the quality of the estimator. We first consider heterogeneity at the network level, building upon the assumption that biological networks are organized, which leads to the definition of a weighted l1 regularization. Modelling heterogeneity at the observation level, we provide a consistency analysis of a recent block-sparse regularizer called the cooperative-Lasso designed to combine observations from distinct but close datasets. Finally we address the crucial question of uncertainty, deriving homonegeity tests for high-dimensional linear regression

Dans les systèmes de perception multicapteurs, un point central concerne le suivi d'objets multiples. Dans mes travaux de thèse, le capteur principal est un télémètre laser à balayage qui perçoit des cibles étendues. Le problème desuivi multi-objets se décompose généralement en plusieurs étapes (détection, association et suivi) réalisées de manière séquentielle ou conjointe. Mes travaux ont permis de proposer des alternatives à ces méthodes en adoptant une approche "track-before-detect" sur cibles distribuées qui permet d'éviter la succession des traitements en proposant un cadre global de résolution de ce problème d'estimation. Dans une première partie, nous proposons une méthode de détection travaillant directement en coordonnées naturelles (polaires) qui exploite les propriétés d'invariance géométrique des objets suivis. Cette solution est ensuite intégrée dans le cadre des approches JPDA et PHD de suivi multicibles résolues grâce aux méthodes de Monte-Carlo séquentielles. La seconde partie du manuscrit vise à s'affranchir du détecteur pour proposer une méthode dans laquelle le modèle d'objet est directement intégré au processus de suivi. C'est sur ce point clé que les avancées ont été les plus significatives permettant d'aboutir à une méthode conjointe de détection et de suivi. Un processus d'agrégation a été développé afin de permettre une formalisation des données qui évite tout prétraitement sous-optimal. Nous avons finalement proposé un formalisme général pour les systèmes multicapteurs (multilidar, centrale inertielle, GPS). D'un point de vue applicatif, ces travaux ont été validés dans le domaine du suivi de véhicules pour les systèmes d'aide à la conduite.