Séance de cours

Dépendance spatiale : concepts et analyses

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

ENV-444: Exploratory data analysis in environmental health

This course teaches how to apply exploratory spatial data analysis to health information. Teaching focuses on the role of GIS and spatial statistics in spatial epidemiology. It proposes a context to investigate the relationship between health, quality of l ...

Description

Cette séance de cours explore le concept de dépendance spatiale, en mettant l'accent sur l'influence des lieux voisins les uns sur les autres. Il explore l'autocorrélation spatiale, quantifiant la régularité spatiale et différenciant les distributions spatiales observées et aléatoires. L'instructeur discute de la première loi de géographie de Tobler et du paradoxe de la relation entre les choses proches et les choses lointaines. La séance de cours couvre également les méthodes statistiques classiques, le biais de régression linéaire dû à la dépendance spatiale et l'importance de prendre en compte l'influence spatiale dans l'analyse statistique.

Enseignant·e·s (2)

Stéphane Joost

Publications Publications- List of publications Enseignement et PhD Doctorant·es actuel·les Marco André Vieira Ruas, Manon Laetitia Pribille, Martine Valérie Besse A dirigé les thèses EPFL de Estelle Rochat, Solange Catherine Gaillard, Oliver Michele Selmoni, Anaïs Ladoy, Annie Sandrine Guillaume A co-dirigé les thèses EPFL de Sylvie Stucki, Kevin Leempoel, Martí Bosch Padrós, Andrea Salmi Cours Border Forensics PENS-318 Le cours présentera aux étudiants différentes formes de violence liée

Idris Guessous

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (32)

Analyse spatiale

vignette|200px|Carte de cas de choléra pendant l'épidémie de 1854 à Londres L'analyse spatiale est une approche géographique qui étudie les localisations et les interactions spatiales en tant que composantes actives des fonctionnements sociétaux. Elle part du postulat selon lequel l'espace est acteur organisé. C'est une science nomothétique donc elle vise à proposer une approche modélisée de l'espace géographique en mettant en évidence des formes récurrentes d'organisation spatiales et des théories, notamment à travers diverses notions-clés : distance, réseaux, structure, .

Régression linéaire

En statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.

Loi de probabilité

thumb|400px 3 répartitions.png En théorie des probabilités et en statistique, une loi de probabilité décrit le comportement aléatoire d'un phénomène dépendant du hasard. L'étude des phénomènes aléatoires a commencé avec l'étude des jeux de hasard. Jeux de dés, tirage de boules dans des urnes et jeu de pile ou face ont été des motivations pour comprendre et prévoir les expériences aléatoires. Ces premières approches sont des phénomènes discrets, c'est-à-dire dont le nombre de résultats possibles est fini ou infini dénombrable.

Ratio distribution

A ratio distribution (also known as a quotient distribution) is a probability distribution constructed as the distribution of the ratio of random variables having two other known distributions. Given two (usually independent) random variables X and Y, the distribution of the random variable Z that is formed as the ratio Z = X/Y is a ratio distribution. An example is the Cauchy distribution (also called the normal ratio distribution), which comes about as the ratio of two normally distributed variables with zero mean.

Variable aléatoire

vignette|La valeur d’un dé après un lancer est une variable aléatoire comprise entre 1 et 6. En théorie des probabilités, une variable aléatoire est une variable dont la valeur est déterminée après la réalisation d’un phénomène, expérience ou événement, aléatoire. En voici des exemples : la valeur d’un dé entre 1 et 6 ; le côté de la pièce dans un pile ou face ; le nombre de voitures en attente dans la 2e file d’un télépéage autoroutier ; le jour de semaine de naissance de la prochaine personne que vous rencontrez ; le temps d’attente dans la queue du cinéma ; le poids de la part de tomme que le fromager vous coupe quand vous lui en demandez un quart ; etc.

Afficher plus

Séances de cours associées (32)

Probabilités et statistiques

Couvre les concepts fondamentaux des probabilités et des statistiques, y compris la régression linéaire, les statistiques exploratoires et l'analyse des probabilités.

Régression linéaire: Théorie et applications

Couvre la théorie et les applications pratiques de la régression linéaire.

Régression linéaire : Approche de vraisemblance maximale

Couvre les sujets de régression linéaire, y compris les intervalles de confiance, la variance et l'approche de la probabilité maximale.

Introduction à la science des données

Présente les sujets de la science des données, les méthodes d'évaluation et l'organisation des cours pour le semestre.

Régression linéaire : absence ou présence de covariables

Explore la régression linéaire avec et sans covariables, couvrant des modèles capturés par des distributions indépendantes et des outils comme des sous-espaces et des projections orthogonales.

Afficher plus

Concepts associés (32)