Search

International audience; Linear regression is used as an analysis tool in practical teaching sessions about the conjugation relation. In two previous articles, we have shown how this practice was open to criticism; we have suggested an alternative method, which consists in calculating the focal length for each pair of distances measured; this allows to deduce a measure of the focal length. However, our alternative, if it remains accessible in the first class, is not optimal. Here, we propose a more efficient method, but only accessible to the university level. Using a Monte-Carlo simulation, we show, in a general way, how to compare the performances of different analysis methods. Finally, we discuss the possible extension of our alternative to the study of other physical laws in experimental teaching sessions.; La régression linéaire est utilisée comme outil d’analyse en séance de travaux pratiques sur la relation de conjugaison. Dans deux articles précédents, nous avons montré combien cette pratique était critiquable ; puis nous avons proposé une méthode alternative, consistant à calculer la focale pour chaque couple de distances relevées ; cela permet d’en déduire une mesure de la distance focale. Cependant, notre alternative, si elle reste accessible en classe de première, n’est pas optimale. Ici, nous proposons une méthode plus efficiente, mais uniquement accessible auniveau universitaire. À l’aide d’une simulation Monte-Carlo, nous montrons, en toute généralité, comment comparer les performances de différentes méthodes d’analyse. Enfin, nous discutons de l’extension possible de notre alternative à l’étude d’autres lois physiques en séance de travauxpratiques.

The common secondary school teaching practice is to use linear regression to deal with data from experiments on the thin lens equation. As we have shown in a first paper, this practice is open to criticism in many aspects. In this second article, we present an alternative: to calculate the focal length for each pair of distances measured, to represent these values and to calculate their mean and standard deviation. More scientifically justified and bringing out the variability inherent in any measurement, it is much more in line with the physics and chemistry curriculum of secondary schools. In addition to providing a measure of the focal length, this approach also allows, via a Monte-Carlo simulation, to judge the adequacy of the model to the experiment. The calculations remain simple, which allows them to be performed indifferently with a spreadsheet or using the Python™ programming language., La pratique scolaire courante consiste à utiliser la régression linéaire pour traiter les données d’expériences sur la relation de conjugaison. Comme nous l’avons montré dans un premier article, cette pratique est critiquable sur de nombreux aspects. Dans ce deuxième article, nous présentons une alternative : celle de calculer la focale pour chaque couple de distances relevées, de représenter ces valeurs et d’en calculer moyenne et écart-type. Plus justifiée scientifiquement et faisant émerger la variabilité inhérente à toute mesure, elle s’inscrit bien davantage dans les programmes de spécialité physique-chimie de première. En sus de fournir une mesure de la distance focale, cette approche permet également, via une simulation Monte-Carlo, de juger de l’adéquation du modèle à l’expérience. Les calculs restent simples, ce qui permet de les réaliser indifféremment avec un tableur ou en langage Python™.

Le filtrage spatial de la résistivité électrique : amélioration des estimations spatiales de l’épaisseur du sol. 10. Colloque GEOFCAN

Dans le cadre du projet CAREX de l’INRA (CARactérisation environnementales des essais conduits dans les unités EXpérimentales), le travail présenté dans ce document a pour principal objectif de cartographier l’épaisseur du sol (Ep) sur un site expérimental de l’INRA. Deux méthodes de spatialisation, la régression linéaire simple et la régression-krigeage, de Ep à partir de mesures de résistivités électriques du sol ont été comparées. Une prospection électrique exhaustive par ARP a été effectuée en automne 2011 sur l’ensemble du site expérimental de l’INRA d’ Epoisses. Plusieurs campagnes de sondage pédologique ont été effectuées de 2013 à 2015, pour obtenir une information sur Ep en 80 points. Les résultats ont montré que la résistivité de la voie 3 (R3) était la plus corrélée à Ep. Par ailleurs, la spatialisation en tenant compte d’une composante spatiale de R3 et des résidus entre cette dernière et Ep (régression-krigeage) produit les résultats les plus proches des valeurs mesurées du jeu de donné de validation (ME = -2,87 cm contre -7,32 cm sans résidus). Les résultats ont aussi montré que la méthode de spatialisation par régression-krigeage n’est pas sensible à : (1) la taille de l’échantillon de prédiction, (2) la résolution spatiale de la variable auxiliaire. Ces deux aspects sont d’une importance capitale en termes de coût de spatialisation des propriétés des sols au-delà du cas traité dans ce travail., In the framework of CAREX project, the work presented in this document aims at map soil thickness (Ep) on one INRA’s experimental site. Two spatial methods, simple linear regression and regression-kriging, for Ep from soil electrical resistivity measurements were compared. An exhaustive electrical resistivity prospecting was carried out in autumn 2011 throughout the experimental site of INRA Epoisses. In addition, several soil survey campaigns were conducted between 2013 and 2015 over the study site to obtain information on Ep in 80 locations. Results showed that the third way of resistivity (R3) was the most correlated with Ep. Moreover, accounting for a spatial component of R3 and residuals between this component and Ep (regression-kriging) allow obtaining obtain closest results to measured values of validation data set (ME = -2, 87 cm versus -7, 32 cm). Finally, results also showed that regression-kriging is insensitive to: (1) the size of prediction sample, (2) the spatial resolution of auxiliary variable. These two aspects are of major matter in terms of spatializing cost of soil properties beyond the case treated in this work

In the framework of CAREX project, the work presented in this document aims at map soil thickness (Ep) on one INRA’s experimental site. Two spatial methods, simple linear regression and regression-kriging, for Ep from soil electrical resistivity measurements were compared. An exhaustive electrical resistivity prospecting was carried out in autumn 2011 throughout the experimental site of INRA Epoisses. In addition, several soil survey campaigns were conducted between 2013 and 2015 over the study site to obtain information on Ep in 80 locations. Results showed that the third way of resistivity (R3) was the most correlated with Ep. Moreover, accounting for a spatial component of R3 and residuals between this component and Ep (regression-kriging) allow obtaining obtain closest results to measured values of validation data set (ME = -2, 87 cm versus -7, 32 cm). Finally, results also showed that regression-kriging is insensitive to: (1) the size of prediction sample, (2) the spatial resolution of auxiliary variable. These two aspects are of major matter in terms of spatializing cost of soil properties beyond the case treated in this work; Dans le cadre du projet CAREX de l’INRA (CARactérisation environnementales des essais conduits dans les unités EXpérimentales), le travail présenté dans ce document a pour principal objectif de cartographier l’épaisseur du sol (Ep) sur un site expérimental de l’INRA. Deux méthodes de spatialisation, la régression linéaire simple et la régression-krigeage, de Ep à partir de mesures de résistivités électriques du sol ont été comparées. Une prospection électrique exhaustive par ARP a été effectuée en automne 2011 sur l’ensemble du site expérimental de l’INRA d’ Epoisses. Plusieurs campagnes de sondage pédologique ont été effectuées de 2013 à 2015, pour obtenir une information sur Ep en 80 points. Les résultats ont montré que la résistivité de la voie 3 (R3) était la plus corrélée à Ep. Par ailleurs, la spatialisation en tenant compte d’une composante spatiale de R3 et des résidus entre cette dernière et Ep (régression-krigeage) produit les résultats les plus proches des valeurs mesurées du jeu de donné de validation (ME = -2,87 cm contre -7,32 cm sans résidus). Les résultats ont aussi montré que la méthode de spatialisation par régression-krigeage n’est pas sensible à : (1) la taille de l’échantillon de prédiction, (2) la résolution spatiale de la variable auxiliaire. Ces deux aspects sont d’une importance capitale en termes de coût de spatialisation des propriétés des sols au-delà du cas traité dans ce travail.

To assess the sustainability of plantation forest management we compare two types of biodiversity indicators. We used the species richness of saproxylic beetles as a case study to test the “species” and “environmental” indicator approaches. We compared single species abundance or occurrence and deadwood volume or diversity as predictor variables. • Beetles were sampled with flight interception traps in 40 Maritime pine plantation stands. The volume and diversity of deadwood was estimated with line intersect and plot sampling in the same stands. Predictive models of species richness were built with simple linear or Partial Least Square regressions. • Deadwood variables appeared to be good predictors of saproxylic beetle richness at the stand-scale with at least 75% of variance explained. Deadwood diversity variables consistently provided better predictive models than volume variables. The best environmental indicator was the diversity of deadwood elements larger than 15 cm in diameter. • By contrast, the use of “species variables” appeared to be less relevant. To reach the quality of prediction obtained with “environmental variables”, the abundance or occurrence of 6 to 7 species – some of which are difficult to identify – had to be used to build the indicator., Pour améliorer le suivi de la gestion durable des forêts de plantation, nous avons cherché à développer des indicateurs de biodiversité en prenant pour exemple la richesse en Coléoptères saproxyliques. Nous avons comparé l'approche directe, basée sur l'abondance ou l'occurrence de certaines espèces de coléoptères saproxyliques, et l'approche indirecte, basée sur les caractéristiques du bois mort comme variables prédictives. • Les Coléoptères ont été inventoriés à l'aide de pièges à interception dans 40 peuplements de pin maritime. Le volume et la diversité des pièces de bois mort ont été estimés à l'aide d'un échantillonnage par transects ou par placettes dans les mêmes plantations. Les modèles prédictifs ont été construits à l'aide de régressions linéaires simples ou PLS. • Les variables locales de bois mort apparaissent comme de bons prédicteurs de la richesse spécifique en coléoptères saproxyliques, avec jusqu'à 75% de la variance expliquée. Les variables de diversité du bois mort semblent de meilleurs prédicteurs que les variables volumiques. Le meilleur indicateur " indirect " pourrait être la diversité des pièces de bois mort de diamètre supérieur à 15 cm. • En revanche, le recours à des indicateurs " directs " semble moins prometteur. Pour obtenir une qualité de prédiction équivalente à l'approche indirecte, il faudrait prendre en compte l'abondance ou l'occurrence d'au moins 6 ou 7 espèces dont certaines sont difficilement identifiables.

National audience; Résumé de l'Editeur : Cet ouvrage expose de manière détaillée, exemples à l'appui, l'une des méthodes statistiques les plus courantes : la régression. Les premiers chapitres sont consacrés à la régression linéaire simple et multiple. Ils expliquent les fondements de la méthode, tant au niveau des choix opérés que des hypothèses et de leur utilité. Ensuite sont développés les outils permettant de vérifier les hypothèses de base mises en oeuvre par la régression. Une présentation simple des modèles d'analyse de la covariance et de la variance est effectuée. Enfin, les derniers chapitres sont consacrés au choix de modèles ainsi qu'à certaines extensions de la régression : lasso, PLS, PCR...

International audience; The experimental illustration of the equation of thin lenses often leads to perform a linear regression, simultaneously to verify the validity of this law and to deduce the focal length of the lens studied. This method of analysis is problematic in many ways, and an alternative can be considered. In this first article, we analyze the French secondary school curriculum to try to reformulate the questions that arise in practical work. Then we examine the proposals of corresponding textbooks and show that the use of the linear regression is done without understanding its conditions of application. The notion of variability associated with the measurement, which is central to the expectations of the curriculum, does not emerge, nor does the idea of uncertainty. As a result, the interpretation of the results is always erroneous.; L’illustration expérimentale de la relation de conjugaison de lentilles minces conduit souvent à réaliser une régression linéaire, simultanément pour vérifier la validité de cette loi et pour en déduire la distance focale de la lentille étudiée. Cette méthode d’analyse est problématique à bien des égards, et une alternative peut être envisagée. Dans ce premier article, nous analysons les programmes de classe de première pour essayer de reformuler les questions qui se posent en travaux pratiques. Puis nous examinons les propositions des livres scolaires pour montrer que le recours à la régression linéaire se fait sans compréhension de ses conditions d’application. La notion de variabilité associée à la mesure, pourtant centrale dans les attendus du programme, n’émerge pas, pas plus que l’idée d’incertitude. Il en découle que l’interprétation des résultats est toujours erronée.