Percolation et économie Chapitre 28 - L'epidemiologie et les statistiques L’épidémiologie L’épidémiologie est connue pour être à la fois la science fondamentale de la médecine préventive et la source d’information de toute politique de santé publique. Différentes définitions opérationnelles de l’épidémiologie ont été proposées. Selon la plus simple, c’est l’étude de la manifestation des maladies ou d’autres caractéristiques reliées à la santé dans les populations humaines et animales. Quel est le rôle de l’épidémiologie et quelles sont ses forces et ses faiblesses lorsque ses définitions et concepts sont appliqués à la santé au travail? L’épidémiologie du travail L’épidémiologie du travail, également appelée épidémiologie professionnelle, a été définie comme étant l’étude de l’influence de l’exposition en milieu de travail sur la fréquence et la distribution des maladies et accidents dans la population. L’objectif principal de l’épidémiologie du travail est la prévention par l’identification des conséquences de l’exposition professionnelle sur la santé.
Biologie Aujourd’hui on s’attaque à un des mystères non-résolus de la science : pourquoi le sommeil est-il indispensable ? La réponse (ou pas) en vidéo L’insomnie fatale familiale Une première précision pour commencer concernant les cas de « mort par manque de sommeil » : il existe une maladie génétique extrêmement rare, l’insomnie fatale familiale, dont on pourrait considérer qu’elle provoque la mort par manque de sommeil. Cette maladie touche quelques dizaines de familles dans le monde,… Ca fait longtemps que je voulais faire ce sujet en vidéo, je l’avais d’ailleurs traité dans mon livre « Insoluble mais vrai ! Comme vous l’aurez deviné, le sujet du jour est la suite de celui d’il y a 2 semaines. Une petite anecdote Pour commencer, je voudrais vous raconter une petite anecdote amusante concernant la genèse (et l’avenir) de cette vidéo. La nouvelle a fait grand bruit hier, de la vie a été trouvée sur Vénus ! Qu’est-ce que la vie ?
Modélisation des feux de forêt Feu de forêt en Corse. Les feux de forêt représentent un risque majeur pour de nombreux pays dans le monde. Outre les pertes de vie humaines, ils occasionnent des dégâts environnementaux et économiques (destruction de biens d’habitation et de moyens de lutte contre les feux). Ils sont la cause de déforestations et de désertifications, et polluent l’air : les émissions de CO2 lors d’un feu de forêt représentent 20 % des émissions totales, sans compter les métaux lourds et radionucléides qui sont aussi propulsés dans l’atmosphère. Les modèles de feux de forêt sont basés soit sur l’analyse mathématique de la physique fondamentale et des procédés chimiques qui contrôlent la propagation des feux, soit sur le principe de conservation de l’énergie, soit sur des descriptions statistiques de feux expérimentaux. L’amélioration et la validation de ces modèles nécessitent la comparaison des données numériques qu’ils génèrent avec des données réelles. Feux de forêt numérisés. Pour en savoir plus :
Aide à l'utilisation de python - Analyses de données et Dataviz - Analyses en composantes principales # biplot # version 12/11/2021 import matplotlib.pyplot as plt from scipy.spatial import ConvexHull import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.cm as cm import seaborn as sns from sklearn.decomposition import PCA def biplot(pca=[],x=None,y=None,components=[0,1],score=None,coeff=None,coeff_labels=None,score_labels=None,circle='T',bigdata=1000,cat=None,cmap="viridis",density=True): if isinstance(pca,PCA)==True : coeff = np.transpose(pca.components_[components, :]) score= pca.fit_transform(x)[:,components] if isinstance(x,pd.DataFrame)==True : coeff_labels = list(x.columns) if score is not None : x = score if x.shape[1]>1 : xs = x[:,0] ys = x[:,1] else : xs = x ys = y if (len(xs) ! scalex = 1.0/(xs.max() - xs.min()) scaley = 1.0/(ys.max() - ys.min()) #x_c = xs * scalex #y_c = ys * scaley temp = (xs - xs.min()) x_c = temp / temp.max() * 2 - 1 temp = (ys - ys.min()) y_c = temp / temp.max() * 2 - 1 print("Attention : pour des facilités d'affichage, les données sont centrées-réduites")
Sciences sociales En ces temps troublés, j’ai eu bien du mal à trouver un sujet à traiter qui me motive, et qui nous sorte des réflexions sur le COVID-19. Le salut est finalement venu d’un sujet un peu en dehors de ma zone habituelle…et qui n’est pas sans résonance avec l’actualité ! Tout d’abord, je voudrais remercier celui par qui ce sujet est arrivé à mes neurones : Cyrille Rossant dont l’excellent livre sur le calcul interactif en Python mentionnait l’article de Reinhart et Rogoff comme une bonne raison de s’intéresser de près à la reproductibilité des expériences numériques. Je crois que j’en avais déjà entendu parler (probablement dans cette tribune), mais l’histoire était sortie de ma mémoire… La vidéo du jour est un peu particulière. On y parle de Parcoursup et plus généralement des procédures d’appariement qui existent notamment pour l’attribution des places dans l’enseignement supérieur, et ce dans de nombreux pays.
Journée de formation "Probabilités et statistiques" à l'Université Marne-la-Vallée, janvier 2014 - [Mathématiques] A l’initiative de Monsieur Robert EYMARD, directeur de l’UFR de mathématiques de l’Université Paris Est Marne-la-Vallée, et de l’Inspection pédagogique régionale de mathématiques de l’académie de Créteil, s’est déroulée le 15/01/2014 une journée de formation sur le thème "Probabilités et statistique" à destination des professeurs du secondaire. L’animation de cette journée, organisée par Monsieur Pierre-André ZITT, maître de conférence, était assurée par des universitaires. L’ensemble des documents et fichiers utilisés lors de cette journée (correspondant au programme ci-dessous), est également accessible sur le site CNRS de M. Panorama Nous rappelons les éléments théoriques du calcul des probabilités sur lesquels reposent la loi faible des grands nombres (interprétation de l’espérance comme valeur moyenne d’un grand nombre de répétitions) et le théorème de Moivre-Laplace (cas particulier du théorème de la limite centrale). Intervenants : P. Présentation animation Ateliers Intervenant : T.
Géologie La vidéo du jour parle d’un sujet injustement mal compris, la structure interne de la Terre ! Comme c’est une des premières fois que je parle vraiment de géologie (du moins en vidéo), j’ai essayé de mentionner plein de choses, et fatalement j’ai sciemment fait pas mal d’omissions ou d’approximations. Ma nouvelle vidéo parle d’un phénomène astronomique ayant influencé le climat passé de la Terre : les cycles de Milankovitch. [youtube= Avant d’entrer dans le vif du sujet scientifique, et apporter quelques compléments techniques à la vidéo, je voudrais revenir un peu sur l’affaire « Al Gore », et dissiper tout éventuel malentendu. Connaissez-vous la structure de la Terre ? J’ai aussi été frappé par le nombre de choses que l’on peut apprendre sur ce qu’il y a à l’intérieur de notre planète, alors que contrairement aux héros de Jules Verne, nous n’y avons jamais mis les pieds !
Martingales et calcul stochastique Université d'Orléans Master 2 Recherche de Mathématiques, 2012-13 Martingales et calcul stochastique Lundi, 9h30-13h00, salle L6 Cours les 10/9, 24/9, 8/10, 22/10, 12/11, 26/11, 10/12 Travaux dirigés les 17/9, 1/10, 15/10, 5/11, 19/11, 3/12, 17/12 (J. Polycopié Partie I. 1. 1.1. 2. 2.1. 3. 3.1. 4. 4.1. 5. 5.1. 6. 6.1. Partie II. 7. 7.1. 8. 8.1. 9. 9.1. 10. 10.1. Corrigés d'exercices Exercices du chapitre 3: Espérances conditionnelles Exercices du chapitre 4: Martingales Exercices du chapitre 5: Temps d'arrêt Exercices du chapitre 6: Théorèmes de convergence Exercices du chapitre 7: Mouvement Brownien Exercices du chapitre 8: Intégrale d'Itô Exercices du chapitre 9: Equations différentielles stochastiques Exercices du chapitre 10: Diffusions Examens Examen du 7 janvier 2013 — Corrigé Examen du 17 janvier 2012 — Corrigé Examen du 20 janvier 2011 Examen du 6 janvier 2010 Examen du 20 janvier 2009 Home