- EAN13
- 9782817802510
- Éditeur
- Springer
- Date de publication
- 05/09/2011
- Langue
- français
- Fiches UNIMARC
- S'identifier
Analyse statistique des risques agro-environnementaux.
Étude de cas
Yadolah Dodge, David Makowski, Hervé MONOD
Springer
Autre version disponible
-
Papier - Springer 35,65
Conçu comme un véritable manuel pratique, ce livre est une introduction aux
méthodes statistiques les plus couramment utilisées pour l'analyse des risques
agro-environnementaux. Celles-ci peuvent être regroupées au sein de trois
grandes sections. La modélisation des risques en fonction de facteurs
environnementaux et anthropiques (modèle linéaire, modèle linéaire généralisé,
modèle non linéaire, modèle hiérarchique, régression quantile). L'optimisation
de décisions ou de règles de décision pour mieux gérer les risques, en
intégrant des variables décisionnelles dans les modèles (optimisation de
seuils de décision, optimisation par simulation, analyses ROC). L'analyse et
la communication des incertitudes associées aux modèles (estimation et
description de distributions de probabilité, assimilation de données, analyse
de sensibilité). L'utilisation de chaque méthode est illustrée par une ou
plusieurs applications à des problèmes concrets (pollution de l'eau par les
nitrates, invasion par des espèces nuisibles, flux de gènes d'une culture OGM
vers une culture non OGM, etc.). Les programmes informatiques R ou WinBUGS
utilisés dans les exemples sont présentés et commentés en détail. À la fin de
chaque chapitre, des exercices permettront aux lecteurs de tester leur
compréhension des méthodes étudiées.
méthodes statistiques les plus couramment utilisées pour l'analyse des risques
agro-environnementaux. Celles-ci peuvent être regroupées au sein de trois
grandes sections. La modélisation des risques en fonction de facteurs
environnementaux et anthropiques (modèle linéaire, modèle linéaire généralisé,
modèle non linéaire, modèle hiérarchique, régression quantile). L'optimisation
de décisions ou de règles de décision pour mieux gérer les risques, en
intégrant des variables décisionnelles dans les modèles (optimisation de
seuils de décision, optimisation par simulation, analyses ROC). L'analyse et
la communication des incertitudes associées aux modèles (estimation et
description de distributions de probabilité, assimilation de données, analyse
de sensibilité). L'utilisation de chaque méthode est illustrée par une ou
plusieurs applications à des problèmes concrets (pollution de l'eau par les
nitrates, invasion par des espèces nuisibles, flux de gènes d'une culture OGM
vers une culture non OGM, etc.). Les programmes informatiques R ou WinBUGS
utilisés dans les exemples sont présentés et commentés en détail. À la fin de
chaque chapitre, des exercices permettront aux lecteurs de tester leur
compréhension des méthodes étudiées.
S'identifier pour envoyer des commentaires.