Chapitre II
Matériel et méthodes
22
l'espèce étudiée, par exemple : Mydata_Citharus_linguatula...etc.
Le fichier predict peut spécifier un modèle plus détaillé que le modèle DEB standard et disposant
de paramètres spécifiques aux données (par exemple, la taille ou l'âge d'un individu au début d'une
expérience), car les fichiers sont éditables.
La fonction "get_tj" est utilisée pour calculer les variables clés du cycle de vie du modèle "abj",
notamment l'assimilation, la mobilisation, la maintenance somatique, la maintenance de la
maturité, la croissance, la reproduction et la dissipation des puissances pondérées en fonction de
la longueur et des réserves pondérées.
À noter que ce modèle est limité au cas particulier du modèle DEB "abj" qui prend en compte
l'accélération du métabolisme pendant le stade larvaire, lequel croît de manière exponentielle
jusqu'à la métamorphose (Kooijman et al., 2010).
3. Calculs statistiques « La méthode de la covariation »
La méthode de corrélation pour l'évaluation des paramètres repose sur l'utilisation conjointe d'un
ensemble d'observations, qu'elles soient des données individuelles ou des séries temporelles, ainsi
que d'un ensemble de pseudo-données, qui sont utilisées pour restreindre les différentes
combinaisons possibles de paramètres, comme indiqué précédemment. L'idée principale derrière
cette approche est de permettre à toutes les informations disponibles de s'influencer mutuellement
afin de produire le résultat final. Cela implique l'estimation simultanée de tous les paramètres pour
l'ensemble des données disponibles, sans avoir à les estimer séparément.
En d'autres termes, dans la méthode de corrélation, toutes les valeurs des paramètres sont calculées
en une seule étape en utilisant toutes les données disponibles. L'objectif est de minimiser la somme
pondérée des écarts quadratiques entre les données observées et les prédictions du modèle. Cette
approche permet d'exploiter pleinement toutes les informations disponibles pour estimer de
manière cohérente l'ensemble des paramètres du modèle :
í µí°¸ í µí± = √∑ í µí»½í µí±
í µí±
i=1
(
í µí±í µí± − í µí± ̂ í µí±
í µí±í µí±
)²
Où
• n est le nombre total de points de données (réel et 'pseudo-données')
• βi le coefficient de pondération et
• í µí±í µí± et í µí± ̂ í µí± sont respectivement les observations et les prédictions du modèle.
Les coefficients de pondération sont attribués aux véritables observations ainsi qu'aux pseudo-
Matériel et méthodes
22
l'espèce étudiée, par exemple : Mydata_Citharus_linguatula...etc.
Le fichier predict peut spécifier un modèle plus détaillé que le modèle DEB standard et disposant
de paramètres spécifiques aux données (par exemple, la taille ou l'âge d'un individu au début d'une
expérience), car les fichiers sont éditables.
La fonction "get_tj" est utilisée pour calculer les variables clés du cycle de vie du modèle "abj",
notamment l'assimilation, la mobilisation, la maintenance somatique, la maintenance de la
maturité, la croissance, la reproduction et la dissipation des puissances pondérées en fonction de
la longueur et des réserves pondérées.
À noter que ce modèle est limité au cas particulier du modèle DEB "abj" qui prend en compte
l'accélération du métabolisme pendant le stade larvaire, lequel croît de manière exponentielle
jusqu'à la métamorphose (Kooijman et al., 2010).
3. Calculs statistiques « La méthode de la covariation »
La méthode de corrélation pour l'évaluation des paramètres repose sur l'utilisation conjointe d'un
ensemble d'observations, qu'elles soient des données individuelles ou des séries temporelles, ainsi
que d'un ensemble de pseudo-données, qui sont utilisées pour restreindre les différentes
combinaisons possibles de paramètres, comme indiqué précédemment. L'idée principale derrière
cette approche est de permettre à toutes les informations disponibles de s'influencer mutuellement
afin de produire le résultat final. Cela implique l'estimation simultanée de tous les paramètres pour
l'ensemble des données disponibles, sans avoir à les estimer séparément.
En d'autres termes, dans la méthode de corrélation, toutes les valeurs des paramètres sont calculées
en une seule étape en utilisant toutes les données disponibles. L'objectif est de minimiser la somme
pondérée des écarts quadratiques entre les données observées et les prédictions du modèle. Cette
approche permet d'exploiter pleinement toutes les informations disponibles pour estimer de
manière cohérente l'ensemble des paramètres du modèle :
í µí°¸ í µí± = √∑ í µí»½í µí±
í µí±
i=1
(
í µí±í µí± − í µí± ̂ í µí±
í µí±í µí±
)²
Où
• n est le nombre total de points de données (réel et 'pseudo-données')
• βi le coefficient de pondération et
• í µí±í µí± et í µí± ̂ í µí± sont respectivement les observations et les prédictions du modèle.
Les coefficients de pondération sont attribués aux véritables observations ainsi qu'aux pseudo-