Vendredi 24
janvier
Mireille Bouleau (Centre de Géostatistique, Fontainebleau)
"Estimation de stocks de poissons à partir de données acoustiques et de
données
de chalutages par des méthodes géostatistiques"
Avner Bar-Hen (Université
Marseille 3 et INAPG)
"Mesure d'influence pour processus ponctuels"
Résumé de l'exposé de Mireille Bouleau:
" Actuellement, les campagnes scientifiques de chalutage de fond
fournissent la
principale source de données pour l'estimation de stock des
mers européennes. Or la technologie acoustique, utilisée depuis
quelques
années
lors de ces campagnes, fournit une source d'information
largement inexploitée. L'étude s'inscrit dans le cadre d'un projet
européen:
CATEFA (Combining Acoustic and Trawl data for Estimating
Fish Abundance)
qui regroupe cinq autres partenaires: l'Irlande. la
Norvège,
l'Angleterre, l'Ecosse et
d'utiliser les méthodes géostatistiques pour décrire les relations
liant les
données acoustiques et les données de chalutage et établir un modèle
spatial d'estimation des stocks fournissant des indices
d'abondance plus
precis
et plus fiables que les modèles actuels."
Résumé de l'exposé d'Avner Bar-Hen:
Ce travail a été réalisé conjointement avec H. Dessard
et J. Chadoeuf
Une caractéristique essentielle des populations
végétales est leur répartition spatiale, c'est à dire
l'ensemble de leurs localisations individuelles. On peut assimiler
les arbres d'un peuplement forestier à des points, et considérer
leur répartition comme la réalisation d'un processus ponctuel
spatial. L'analyse statistique de la carte de points débute
usuellement par l'identification du type du processus : aléatoire,
agrégatif ou régulier (Diggle, 1983). Ces hypothèses
sont testées
par des procédures de Monte-Carlo qui ne prennent pas en compte
des erreurs de localisation des points. Or, ces erreurs sont
inévitablement commises lors de l'établissement de la cartographie
et sont d'origines multiples. Nous nous interrogeons sur les
conséquences de l'occurrence de tels biais sur les statistiques de
tests et nous proposons quelques pistes d'exploration. Nous
présentons tout d'abord, dans le cadre d'une étude basée sur des
simulations, quelques résultats sur la puissance des tests de
Monte-Carlo. Nous examinons ensuite de façon analytique
l'expression des biais dus aux erreurs de positionnement,
entrainées, par exemple par la fatigue de
l'expérimentateur, à
l'aide de la fonction d'influence de Hampel (Hampel, 1974)