Le cours de Modélisation de Marc Girondot s'adresse aux étudiants poursuivant l'UE MODE du Master Ecologie, Biodiversité, Evolution.
Cours 2: 17/10/2023 9h-12h
Salle 1321 - services d'enseignement Ecologie - bâtiment MOISSAN 1er étage
Modèles empiriques vs Modèles Mécanistes Version du 05-10-2022
Cours 3: 24/10/2023 9h-12h
Paramétrer son modèle: convertir des données d'observation en paramètres, mesurer l'intervalle de confiance des paramètres et les prendre en compte dans le modèle Version du 17-10-2022
logistique <- function(t, N0, r, K) {(N0*K)/(N0+exp(-r*t)*(K-N0))}
layout(1)
npop <- 10000
N0_pop <- runif(npop, 5, 15)
hist(N0_pop)
t <- 1:1000
plot(t, logistique(t=t, N0=mean(N0_pop), r=0.01, K=500), type="l",
xlab="Time", ylab="N", las=1, bty="n")
N400 <- NULL
for (N0 in N0_pop) {
lines(x=t, y=logistique(t=t, N0=N0,
r=0.01, K=500), col="grey")
N400 <- c(N400, logistique(t=400, N0=N0,
r=0.01, K=500))
}
layout(1:2)
hist(N0_pop)
hist(N400)
quantile(N400, prob=c(0.025, 0.5, 0.975))
Pour utiliser les codes, il faut installer R (https://cran.r-project.org) et pour que ce soit un peu plus simple à utiliser, vous pouvez aussi installer RStudio Desktop qui est une IDE (integrated development environment) pour R (https://rstudio.com/products/rstudio/).
Lancez Rstudio, et ouvrez une page pour un nouveau script R. Copiez le code et vous pouvez alors l'exécuter (ctrl+A et ctrl+R sur Windows et cmd+A et cmd+R sur MacOSX).
Il faudra sans doute installer des packages.
Cours 1: 3/10/2023 10h-12h
Salle 1321 - services d'enseignement Ecologie - bâtiment MOISSAN 1er étage
Modèles en dynamique des populations Version du 09-11-2023
Cours 4: 31/11/2023 9h-12h
Salle 1321 - services d'enseignement Ecologie - bâtiment MOISSAN 1er étage Validation de modèle –Test sur des données d’observation, Analyse de sensibilité, Intervalle de confiance des paramètres par inversion de matrice de variance-covariance ou par MCMC avec l’algorithme de Metropolis-Hastings.
Question d'un de vos collègues:
Pourriez-vous nous indiquer à quoi correspond l’erreur standard si elle mesure la dispersion des moyennes ? comment se fait-il qu’on puisse obtenir plusieurs moyennes sur un échantillon ?
Réponse:
Sur un échantillon observé, vous n'obtenez qu'une seule moyenne mais comme c'est un échantillon tiré de la population, cette moyenne est elle-même une variable aléatoire car si vous aviez refait le tirage une autre fois, vous auriez obtenu une autre valeur. La vraie moyenne est l'espérance mathématique: https://fr.wikipedia.org/wiki/Espérance_mathématique
Donc la moyenne calculée sur un échantillon n'est qu'une réalisation particulière de l'espérance mathématique. Y-est donc associée une incertitude. C'est ce que mesure l'erreur standard.
