Centre dedocumentation
scientifique

A breakpoint detection in the mean model with heterogeneous variance on fixed time-intervals / Olivier Bock in Statistics and Computing, vol 29 Online First (May 2019)  

Public [article]  inStatistics and Computing > vol 29 Online First (May 2019) . - pp 1 - 13 Titre : A breakpoint detection in the mean model with heterogeneous variance on fixed time-intervals Type de document : Article/Communication Auteurs : Olivier Bock , Auteur ; Xavier Collilieux , Auteur ; François Guillamon, Auteur ; Emilie Lebarbier, Auteur ; Claire Pascal, Auteur Année de publication : 2019 Projets : 1-Pas de projet / Article en page(s) : pp 1 - 13 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques [Termes descripteurs IGN] analyse de variance [Termes descripteurs IGN] données GNSS [Termes descripteurs IGN] inférence statistique [Termes descripteurs IGN] méthode robuste [Termes descripteurs IGN] points de rupture [Termes descripteurs IGN] processus gaussien [Termes descripteurs IGN] segmentation [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] variabilité Résumé : (Auteur) This work is motivated by an application for the homogenization of global navigation satellite system (GNSS)-derived integrated water vapour series. Indeed, these series are affected by abrupt changes due to equipment changes or environmental effects. The detection and correction of the series from these changes are a crucial step before any use for climate studies. In addition to these abrupt changes, it has been observed in the series a non-stationary of the variability. We propose in this paper a new segmentation model that is a breakpoint detection in the mean model of a Gaussian process with heterogeneous variance on known time intervals. In this segmentation case, the dynamic programming algorithm used classically to infer the breakpoints cannot be applied anymore. We propose a procedure in two steps: we first estimate robustly the variances and then apply the classical inference by plugging these estimators. The performance of our proposed procedure is assessed through simulation experiments. An application to real GNSS data is presented. Numéro de notice : A2019-165 Thématique : MATHEMATIQUE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s11222-019-09853-5 date de publication en ligne : 03/05/2019 En ligne : https://doi.org/10.1007/s11222-019-09853-5 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92571 [article]

Enhancing the predictability of least-squares collocation through the integration with least-squares-support vector machine / Hossam Talaat Elshambaky in Journal of applied geodesy, vol 13 n° 1 (January 2019)  

Public [article]  inJournal of applied geodesy > vol 13 n° 1 (January 2019) . - pp 1 - 15 Titre : Enhancing the predictability of least-squares collocation through the integration with least-squares-support vector machine Type de document : Article/Communication Auteurs : Hossam Talaat Elshambaky, Auteur Année de publication : 2019 Article en page(s) : pp 1 - 15 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques [Termes descripteurs IGN] classification par réseau neuronal [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] collocation par moindres carrés [Termes descripteurs IGN] covariance [Termes descripteurs IGN] Egypte [Termes descripteurs IGN] fonction de base radiale [Termes descripteurs IGN] géoïde local Résumé : (Auteur) Least-squares collocation (LSC) is a crucial mathematical tool for solving many geodetic problems. It has the capability to adjust, filter, and predict unknown quantities that affect many geodetic applications. Hence, this study aims to enhance the predictability property of LSC through applying soft computing techniques in the stage of describing the covariance function. Soft computing techniques include the support vector machine (SVM), least-squares-support vector machine (LS-SVM), and artificial neural network (ANN). A real geodetic case study is used to predict a national geoid from the EGM2008 global geoid model in Egypt. A comparison study between parametric and soft computing techniques was performed to assess the LSC predictability accuracy. We found that the predictability accuracy increased when using soft computing techniques in the range of 10.2 %–27.7 % and 8.2 %–29.8 % based on the mean square error and the mean error terms, respectively, compared with the parametric models. The LS-SVM achieved the highest accuracy among the soft computing techniques. In addition, we found that the integration between the LS-SVM with LSC exhibits an accuracy of 20 % and 25 % higher than using LS-SVM independently as a predicting tool, based on the mean square error and mean error terms, respectively. Consequently, the LS-SVM integrated with LSC is recommended for enhanced predictability in geodetic applications. Numéro de notice : A2019-132 Thématique : MATHEMATIQUE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1515/jag-2018-0017 date de publication en ligne : 25/08/2018 En ligne : https://doi.org/10.1515/jag-2018-0017 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92462 [article]

Exercices corrigés de géostatistique / Chantal de Fouquet (2019)

Public Titre : Exercices corrigés de géostatistique Type de document : Guide/Manuel Auteurs : Chantal de Fouquet, Auteur Editeur : Paris : Presses de l'Ecole des Mines Année de publication : 2019 Collection : Les cours de l'École des mines Importance : 320 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-35671-539-5 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Statistiques [Termes descripteurs IGN] coefficient de corrélation [Termes descripteurs IGN] covariance [Termes descripteurs IGN] géostatistique [Termes descripteurs IGN] krigeage [Termes descripteurs IGN] variance [Termes descripteurs IGN] variogramme Index. décimale : 23.60 Statistiques et probabilités Résumé : (Editeur) Ce recueil d'exercices vise à faire le lien entre la théorie de la géostatistique et la pratique. Savoir poser les équations simples de la géostatistique linéaire permet en effet de comprendre la variation du coefficient de corrélation de deux concentrations avec le support (valeurs horaires, journalières ou hebdomadaires, par exemple), de raisonner le choix entre des échantillons simples ou composites pour établir un schéma de reconnaissance, ou encore de caractériser l'évolution temporelle d'une concentration en estimant la différence de deux moyennes annuelles et en calculant la variance d'erreur associée. De nombreux exercices sont directement inspirés de cas réels. Ce livre s'adresse aux praticiens désireux d'approfondir leurs connaissances en géostatistique et d'en diversifier les applications, ainsi qu'aux étudiants (niveau école d'ingénieur ou master) et doctorants, soucieux d'en maîtriser les concepts. Principalement issus des applications environnementales de la géostatistique, les exemples se réfèrent à la pollution de l'air, des cours d'eau ou des sols ; beaucoup sont transposables à d'autres contextes, en particulier à l'estimation minière. Note de contenu : 1. Etude exploratoire et variographie 2. Régularisation, variance d'estimation, variance de dispersion 3. Krigeage 4. Introduction aux simulations et à la géostatistique non linéaire Numéro de notice : 26031 Thématique : GEOMATIQUE/MATHEMATIQUE Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92858

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
26031-01	23.60	Livre	Centre de documentation	Mathématiques	Disponible

Bayesian statistics and Monte Carlo methods / Karl Rudolf Koch in Journal of geodetic science, vol 8 n° 1 (January 2018)  

Public [article]  inJournal of geodetic science > vol 8 n° 1 (January 2018) . - pp 18 - 29 Titre : Bayesian statistics and Monte Carlo methods Type de document : Article/Communication Auteurs : Karl Rudolf Koch, Auteur Année de publication : 2018 Article en page(s) : pp 18 - 29 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques [Termes descripteurs IGN] matrice de covariance [Termes descripteurs IGN] méthode de Monte-Carlo [Termes descripteurs IGN] propagation d'erreur [Termes descripteurs IGN] théorème de Bayes [Termes descripteurs IGN] variable aléatoire [Termes descripteurs IGN] vecteur aléatoire multidimensionnel Résumé : (Auteur) The Bayesian approach allows an intuitive way to derive the methods of statistics. Probability is defined as a measure of the plausibility of statements or propositions. Three rules are sufficient to obtain the laws of probability. If the statements refer to the numerical values of variables, the so-called random variables, univariate and multivariate distributions follow. They lead to the point estimation by which unknown quantities, i.e. unknown parameters, are computed from measurements. The unknown parameters are random variables, they are fixed quantities in traditional statistics which is not founded on Bayes’ theorem. Bayesian statistics therefore recommends itself for Monte Carlo methods, which generate random variates from given distributions. Monte Carlo methods, of course, can also be applied in traditional statistics. The unknown parameters, are introduced as functions of the measurements, and the Monte Carlo methods give the covariance matrix and the expectation of these functions. A confidence region is derived where the unknown parameters are situated with a given probability. Following a method of traditional statistics, hypotheses are tested by determining whether a value for an unknown parameter lies inside or outside the confidence region. The error propagation of a random vector by the Monte Carlo methods is presented as an application. If the random vector results from a nonlinearly transformed vector, its covariance matrix and its expectation follow from the Monte Carlo estimate. This saves a considerable amount of derivatives to be computed, and errors of the linearization are avoided. The Monte Carlo method is therefore efficient. If the functions of the measurements are given by a sum of two or more random vectors with different multivariate distributions, the resulting distribution is generally not known. The Monte Carlo methods are then needed to obtain the covariance matrix and the expectation of the sum. Numéro de notice : A2018-613 Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1515/jogs-2018-0003 date de publication en ligne : 02/03/2018 En ligne : https://doi.org/10.1515/jogs-2018-0003 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92646 [article]

A posteriori bias correction of three models used for environmental reporting / Bogdan M. Strimbu in Forestry, an international journal of forest research, vol 91 n° 1 (January 2018)  

Public [article]  inForestry, an international journal of forest research > vol 91 n° 1 (January 2018) . - pp 49 - 62 Titre : A posteriori bias correction of three models used for environmental reporting Type de document : Article/Communication Auteurs : Bogdan M. Strimbu, Auteur ; Alexandru Amarioarei, Auteur ; John Paul McTague, Auteur ; Mihaela M. Paun, Auteur Année de publication : 2018 Article en page(s) : pp 49 - 62 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques [Termes descripteurs IGN] correction [Termes descripteurs IGN] erreur systématique [Termes descripteurs IGN] Louisiane (Etats-Unis) [Termes descripteurs IGN] modèle mathématique [Termes descripteurs IGN] Oregon (Etats-Unis) [Termes descripteurs IGN] Pinus ponderosa [Termes descripteurs IGN] pseudotsuga menziesii [Termes descripteurs IGN] résidu [Termes descripteurs IGN] Roumanie [Termes descripteurs IGN] Texas (Etats-Unis) Résumé : (Auteur) A plethora of forest models were developed by transforming the dependent variable, which introduces bias if appropriate corrections are not applied when back-transformed. Many recognized models are still biased and the original data sets are no longer available, which suggests ad hoc bias corrections. The present research presents a procedure for bias correction in the absence of needed information from summary statistics. Additionally, we developed a realistic correction of the square root transformation based on a truncated normal distribution. The transformations considered in this study are the logarithm, the square root and arcsine square root. Using simulated data we found that uncorrected back-transformation created biases by as much as 100 percent. The generated data revealed that depending on available information, that bias can still be present after correction. In addition to generated data we corrected the site index of Douglas-fir and ponderosa pine in Oregon USA, tree volume of 27 species from Romania, stand merchantable volume for longleaf pine in Louisiana and East Texas USA, and canopy fuel weight in Washington USA. Using only the available information, the unbiased back-transformed estimates can change from ≤1 percent (i.e. the site index and canopy fuel weight) to ≥⅓ (tree and stand volume). Numéro de notice : A2018-631 Thématique : FORET/MATHEMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1093/forestry/cpx032 date de publication en ligne : 10/08/2017 En ligne : https://doi.org/10.1093/forestry/cpx032 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93217 [article]

Ondelettes et processus stochastiques / Abdourrahmane M. Atto (2017)

Permalink

An attempt to determine the effect of increase of observation correlations on detectability and identifiability of a single gross error / Witold Proszynski in Geodesy and cartography, vol 65 n° 2 (December 2016)  

Permalink

A bootstrap test for constant coefficients in geographically weighted regression models / Chang-Lin Mei in International journal of geographical information science IJGIS, vol 30 n° 7- 8 (July - August 2016)  

Permalink

Analyse de données avec R / François Husson (2016)

Permalink

Convex programming approach to robust estimation of a multivariate Gaussian model / Samuel Balmand (2016)    

Permalink

On estimation of the diagonal elements of a sparse precision matrix / Samuel Balmand in Electronic Journal of Statistics, vol 10 n° 1 (January 2016)    

Permalink

Recommendations for the use of tree models to estimate national forest biomass and assess their uncertainty / Matieu Henry in Annals of Forest Science [en ligne], vol 72 n° 6 (September 2015)  

Permalink

Bayesian methods for statistical analysis / Borek Puza (2015)    

Permalink

Magic square of real spectral and time series analysis with an application to moving average processes / I. Krasbutter (2015)

Permalink

Statistical analysis handbook / Michael J. de Smith (2015)  

Permalink