Inférence causaleL'inférence causale est le processus par lequel on peut établir une relation de causalité entre un élément et ses effets. C'est un champ de recherche à la croisée des statistiques, de l'économétrie, de l'épidémiologie, de la méthodologie politique et de l'intelligence artificielle. En 1920, Sewall Wright développe la première path analysis. Cette analyse graphique des relations de causalité entre les variables constitue selon Judea Pearl un travail pionnier dans l'inférence causale.
Démécologiethumb|350px|Groupes familiaux d'éléphants, au sein d'une population régionale thumb|350px|Un groupe de « populations » constitue une métapopulation. Les populations d'animaux, plantes, champignons, microbes... contribuent au fonctionnement des écosystèmes, qui eux-mêmes forment des biomes et la biosphère ou symbiosphère (expression de Joël de Rosnay est le niveau planétaire d'intégration de toutes les échelles du Vivant (du gène à la somme des biomes (sans laquelle l'oxygène et donc la couche d'ozone n'existeraient pas) ; Le gène est représenté à part, car non vivant en tant que tel, mais support d'information et base du vivant.
Causal modelIn the philosophy of science, a causal model (or structural causal model) is a conceptual model that describes the causal mechanisms of a system. Several types of causal notation may be used in the development of a causal model. Causal models can improve study designs by providing clear rules for deciding which independent variables need to be included/controlled for. They can allow some questions to be answered from existing observational data without the need for an interventional study such as a randomized controlled trial.
Croissance démographiqueLa croissance démographique ou accroissement démographique ou variation totale de population est la différence entre l’effectif d’une population à la fin et au début d’une période donnée (généralement un an). Elle peut être exprimée par le taux d'évolution du nombre d’individus au sein d’une population par unité de temps et pour aussi n’importe quelle espèce (animale ou végétale, par exemple). Elle se décompose en deux parties distinctes : l’accroissement naturel ; le solde migratoire.
Causal reasoningCausal reasoning is the process of identifying causality: the relationship between a cause and its effect. The study of causality extends from ancient philosophy to contemporary neuropsychology; assumptions about the nature of causality may be shown to be functions of a previous event preceding a later one. The first known protoscientific study of cause and effect occurred in Aristotle's Physics. Causal inference is an example of causal reasoning. Causal relationships may be understood as a transfer of force.
Causalitévignette|Exemple classique de la chute d'un domino causé par la chute d'un autre. En science, en philosophie et dans le langage courant, la causalité désigne la relation de cause à effet. la cause, corrélat de l'effet, c'est . C'est ce qui produit l'effet ; la causalité est le . Autrement dit, la causalité est l'influence par laquelle un événement, un processus, un état ou un objet (une cause) contribue à la production d'un autre événement, processus, état ou objet (un effet) considéré comme sa conséquence.
Modèle causal de Neyman-RubinLe modèle causal de Neyman-Rubin (ou modèle à résultats potentiels, en anglais potential outcome model) est un cadre de pensée permettant d'identifier statistiquement l'effet causal d'une variable sur une autre. La première version du modèle a été proposée par Jerzy Neyman en 1923 dans son mémoire de maîtrise. Le modèle a ensuite été généralisé par Donald Rubin dans un article intitulé « ». Le nom du modèle a été donné par Paul Holland dans un article de 1986 intitulé « ». Expérience naturelle Méthode des
Population mondialeLa population mondiale est le nombre d'êtres humains vivant sur Terre à un instant donné. L’ONU l'estime à le . Elle avait été estimée à pour 2000, entre 1,55 et pour 1900, entre 0,813 et pour 1800 et entre 600 et d'habitants pour 1700. Cette augmentation de la population avec le temps tend cependant à ralentir avec une baisse mondiale de l'indice de fécondité, plus ou moins importante selon les pays. Le taux annuel de la croissance démographique de la population mondiale est tombé de 2,1 % au début des années 1960 à moins de 1 % en 2020.
Projections of population growthPopulation projections are attempts to show how the human population statistics might change in the future. These projections are an important input to forecasts of the population's impact on this planet and humanity's future well-being. Models of population growth take trends in human development and apply projections into the future. These models use trend-based-assumptions about how populations will respond to economic, social and technological forces to understand how they will affect fertility and mortality, and thus population growth.
DénatalitéIl y a dénatalité lorsque le taux de natalité est inférieur au taux de mortalité, de sorte que la population vieillit et décroît, à moins que l'immigration compense la variation naturelle de la population. La dénatalité survient lorsque la fécondité devient inférieure au taux de remplacement. La dénatalité correspond à une fécondité inférieure au taux de remplacement, autrement dit à un indice synthétique de fécondité (ISF) qui, s'il persiste, conduit à ce que chaque nouvelle génération compte moins d'individus que la précédente dans une zone donnée.
Décroissance démographiqueUne décroissance démographique ou un déclin démographique est, pour une zone ou un pays donné, une situation dans laquelle le nombre d’habitants diminue, que ce soit parce que le taux de mortalité est supérieur au taux de natalité, ou parce que les flux d’émigration nets sont supérieurs à l’accroissement naturel. Ces flux migratoires peuvent être induits par des guerres, des événements socio-politiques, des crises économiques ou des événements environnementaux (séismes, éruptions volcaniques, inondations).
Diagramme de boucle causalevignette|308x308px|Exemple de boucle de rétroaction de renforcement : solde bancaire (bank balance) et intérêts perçus (earned interest) Un diagramme de boucle causale (DBC) est un diagramme qui permet de visualiser comment les différentes variables dans un système sont interdépendantes. Le diagramme se compose d'un ensemble de nœuds et d'arcs. Les nœuds représentent les variables et les arcs les connexions, ou liens de causalités, entre les variables.
Afrique subsaharienneL'Afrique subsaharienne est l'étendue du continent africain au Sud du Sahara, séparée écologiquement des pays du Nord par le climat rude du plus vaste désert chaud du monde. Elle est parfois nommée Afrique noire. Elle abrite quarante-huit États, dont les frontières sont issues de la décolonisation. C'est le lieu de naissance de l'« Homme moderne », Homo sapiens. Ses climats se distinguent par les variations pluviométriques annuelles plutôt que par les variations des températures.
Génétique des populationsLa génétique des populations (GDP) est l'étude de la distribution et des changements de la fréquence des versions d'un gène (allèles) dans les populations d'êtres vivants, sous l'influence des « pressions évolutives » (sélection naturelle, dérive génétique, recombinaison, mutation, et migration). Les changements de fréquence des allèles sont un aspect majeur de l'évolution, la fixation de certains allèles conduit à une modification génétique de la population, et l'accumulation de tels changements dans différentes populations peut conduire au processus de spéciation.
Analyse de cause racineL'analyse de cause racine (ACR ; ) est une démarche de résolution de problème partant du constat qu'il est plus judicieux de traiter les causes d'un problème que d'en traiter les symptômes immédiats. En effet, l'analyse des causes d'un problème permet d'en déterminer une solution définitive, et donc, empêcher qu'il ne se reproduise de nouveau. L’ACR est un processus itératif d'amélioration continue. Résolution de problème QQOQCCP Diagramme d'Ishikawa Arbre des causes Arbre de défaillances Cinq pourquoi Diag
Variable latenteIn statistics, latent variables (from Latin: present participle of lateo, “lie hidden”) are variables that can only be inferred indirectly through a mathematical model from other observable variables that can be directly observed or measured. Such latent variable models are used in many disciplines, including political science, demography, engineering, medicine, ecology, physics, machine learning/artificial intelligence, bioinformatics, chemometrics, natural language processing, management, psychology and the social sciences.
Résolution de problèmevignette|Résolution d'un problème mathématique. La résolution de problème est le processus d'identification puis de mise en œuvre d'une solution à un problème. Analyse de cause racine (ACR, Root cause analysis) : cette démarche part du constat qu'il est plus judicieux de traiter les causes d'un problème que d'en traiter les symptômes immédiats. Puisqu'analyser les causes d'un problème permet d'en déterminer une solution définitive, et donc, empêcher qu'il ne se reproduise de nouveau.
Analyse en composantes principalesL'analyse en composantes principales (ACP ou PCA en anglais pour principal component analysis), ou, selon le domaine d'application, transformation de Karhunen–Loève (KLT) ou transformation de Hotelling, est une méthode de la famille de l'analyse des données et plus généralement de la statistique multivariée, qui consiste à transformer des variables liées entre elles (dites « corrélées » en statistique) en nouvelles variables décorrélées les unes des autres. Ces nouvelles variables sont nommées « composantes principales » ou axes principaux.
Goulet d'étranglement de populationvignette|redresse=1.3|Le Castor fiber a failli disparaitre ; au début du , il n'en restait que quelques centaines dans toute l'Europe. Il a subi un goulot d'étranglement génétique qui l'a rendu vulnérable à la consanguinité. Les nombreuses réintroductions faites en Europe depuis un siècle ont permis à différentes souches de se croiser. Il recolonise désormais les cours d'eau bassin par bassin. Un goulet d'étranglement de population (ou goulot d'étranglement selon les locuteurs) est, dans l'étude de l'évolution d'une espèce, un épisode de réduction sévère de la population, suivi d'une nouvelle expansion démographique.
Problème de décisionEn informatique théorique, un problème de décision est une question mathématique dont la réponse est soit « oui », soit « non ». Les logiciens s'y sont intéressés à cause de l'existence ou de la non-existence d'un algorithme répondant à la question posée. Les problèmes de décision interviennent dans deux domaines de la logique : la théorie de la calculabilité et la théorie de la complexité. Parmi les problèmes de décision citons par exemple le problème de l'arrêt, le problème de correspondance de Post ou le dernier théorème de Fermat.
