Météo et chaînes de Markov

Vendredi 23 juin 10:30-11:30 Luc Lehéricy (Proba-Stat) - LMO

Résumé : Quel temps fera-t-il demain ?
Ou plus mathématiquement : supposons qu’on effectue des mesures météorologiques Y_t à des instants t. Comment prédire et comprendre le comportement de cette suite (Y_t)_t ?
Une manière de modéliser un processus dépendant du temps comme (Y_t)_t est de supposer que chaque observation Y_t ne dépend que de l’observation Y_{t-1} mesurée à l’instant précédent. C’est la définition d’une chaîne de Markov.
Bien qu’élémentaire, ce modèle donne des résultats très satisfaisants dans de nombreuses applications.
A partir d’un jeu de données jouet, je présenterai quelques variantes du modèle markovien utiles en analyse de données temporelles, ainsi que la manière dont on peut les utiliser pour comprendre la météo.
--------------------------------------------------------------
What will tomorrow’s weather be like ?
Or mathematically speaking : assume one takes meteorological measures Y_t at different times t. How can one predict and understand the behaviour of this sequence (Y_t)_t ?
One way to model a time-dependent process such as (Y_t)_t is to assume that each observation Y_t depends only on the preceding observation Y_{t-1}. This is the definition of a Markov chain.
Despite its simplicity, this model performs well in a wide range of applications.
Using a toy dataset, I will present a few variants of this model that are useful in time series analysis, and how they can be used to understand the weather.

Lieu : Petit Amphi (bât. 425)

Notes de dernières minutes : L’exposé sera suivi du pique-nique de fin d’année de l’école doctorale, à midi à côté du bâtiment 430.

Météo et chaînes de Markov  Version PDF
août 2017 :

juillet 2017 | septembre 2017