Andere Kunden interessierten sich auch für
![Modélisation du risque d'exposition au paludisme au Bénin]( "Modélisation du risque d'exposition au paludisme au Bénin")
Modélisation du risque d'exposition au paludisme au Bénin36,99 €![Modèles Non-Linéaires en Prédiction de Séries Temporelles]( "Modèles Non-Linéaires en Prédiction de Séries Temporelles")
Modèles Non-Linéaires en Prédiction de Séries Temporelles77,99 €![Description et prédiction de données structurées en plusieurs tableaux]( "Description et prédiction de données structurées en plusieurs tableaux")
Description et prédiction de données structurées en plusieurs tableaux38,99 €![Classification et prédiction des titres de transit]( "Classification et prédiction des titres de transit")
Classification et prédiction des titres de transit36,99 €![Prédiction des teneurs en métaux lourds par réseau de neurone]( "Prédiction des teneurs en métaux lourds par réseau de neurone")
Prédiction des teneurs en métaux lourds par réseau de neurone32,99 €![Prédiction de la reconstitution des lymphocytes T-CD4 chez les enfants]( "Prédiction de la reconstitution des lymphocytes T-CD4 chez les enfants")
Prédiction de la reconstitution des lymphocytes T-CD4 chez les enfants36,99 €![La modélisation géostatistique des milieux anthropisés]( "La modélisation géostatistique des milieux anthropisés")
La modélisation géostatistique des milieux anthropisés25,99 €
Ce travail porte sur la prédiction de l'interaction entre génotype et environnement (GxE) et est appliquée au contexte sahélien. Après un tour d'horizon des principales méthodes d'analyse de la littérature, nous proposons la méthode APLAT. Le rendement de génotypes prédit à l'aide de covariables d'environnement par un modèle de simulation de cultures est développée en série de Taylor à l'ordre 1 au voisinage du vecteur de paramètres d'un génotype de référence. Nous nous ramenons alors approximativement à un modèle linéaire où la matrice des regresseurs est remplacée par celle des dérivées partielles par rapport aux paramètres. Le très grand nombre de paramètres variétaux généralement constatée dans les modèles de simulation de cultures conduit à un nombre important de regresseurs; d'où une estimation par régression Partial Least Squares (PLS). Par la suite, nous proposons APLAT-mixte, une extension de APLAT et introduisons la technique PLS-Mixte pour estimer les composantes de variance dans un modèle où il y a plus de regresseurs que d'observations. L'algorithme itératif proposée consiste à imbriquer la régression PLS dans l'algorithme Expectation Maximization (EM).