Page 1
Page 1
Modélisation et statistique spatiales = Spatial modeling and statistics
Spatial statistics are undergoing significant development due to their use in many fields: earth sciences, environment and climatology, epidemiology, econometrics, image analysis, etc. This book presents the main spatial models used as well as their statistics for the three types of data: geostatistics (observation on a continuous domain), data on a discrete network, point data. The objective is to present in a concise but mathematically complete way the most classical models (second order and variogram; software model and Gibbs-Markov field; point processes) as well as their simulation by MCMC algorithm. Then comes the presentation of statistical tools useful for their study.
Modèles aléatoires : Applications aux sciences de l'ingénieur et du vivant = Random models : Applications to engineering and life sciences
The aim is to show how random models are used to analyse and solve a great variety of engineering issues. It is written in language accessible to practitioners and students in engineering, the physical sciences, the life sciences or management.
Méthodes mathématiques en chimie quantique : Une introduction = Mathematical methods in quantum chemistry : An introduction
This book presents the mathematical foundations of several models of quantum chemistry. It is intended for graduate students in mathematics (and possibly also for scientists from physics or chemistry interested in understanding the formal underpinnings of their models), and introduces techniques and methods from several mathematical fields, in particular variational techniques, nonlinear analysis, spectral theory and partial differential equations theory.
Introduction pratique aux bases de données relationnelles = A practical introduction to relational databases
Cet ouvrage introduit le lecteur dans le domaine des bases de données relationnelles en présentant une vaste sélection de sujets portant sur la modélisation des données, les langages de base de données, l'architecture des systèmes et l'évolution post-relationnelle. - Notions fondamentales: le modèle relationnel, les composants d’un système de gestion de bases de données, l’organisation de la mise en œuvre d’une base de données, les tâches de gestion des données. - De l'analyse à la base de données : le modèle entité association, la généralisation et l’agrégation, les dépendances et les formes normales,les contraintes d’intégrité. - Aperçu des langages de requête et de manipulation des données: l’algèbre relationnelle, le calcul des prédicats, SQL, QUEL, QBE, le traitement des valeurs nulles, la protection des données. - Les composants de l'architecture d'un système de bases de données : la compilation, l’interprétation et l’optimisation des requêtes, l’environnement multiutilisateur, le concept de transaction et la sérialisation, les méthodes optimiste et pessimiste, les structures de stockage et les méthodes d’accès. L’intégration et la migration des bases de données: l’exploitation des bases de données hétérogènes, les bases de données sur le Web, les règles de conversion pour effectuer l’intégration et la migration, les variantes de migration des bases de données hétérogènes, la planification de l’intégration et de la migration.
Introduction aux méthodes numériques
Au cours de l’histoire, les méthodes de calcul ont été l’expression de pratiques sans cesse renouvelées. Le développement de l’informatique a largement contribué à une rapide progression de l’ensemble des techniques numériques. En moins de cinquante ans, le paysage algorithmique a été complètement transformé. Aujourd’hui, la plupart des logiciels que nous employons font appel à des méthodes de plus en plus efficaces. Dans les simulations, comme dans les modélisations, l’analyse numérique occupe une place centrale. Composants essentiels de la vie scientifique, les méthodes et algorithmes qui sont présentés ici, illustrés par de nombreux exemples, sont mis à la portée de tous. De l’approximation polynomiale à la résolution d’équations aux dérivées partielles par des méthodes de différences, de volumes et d’éléments finis, ce livre offre un large panorama des méthodes numériques actuelles.
Le raisonnement bayésien : Modélisation et inférence = Bayesian reasoning : Modeling and inference
Describes in detail the practice of the Bayesian statistical approach using many examples chosen for their educational interest. The first part gives the general principles of statistical modeling making it possible to supervise but also to come to the aid of the imagination of the apprentice modeler. By examining examples of increasing difficulty, the reader forges the keys to building their own model. The second part presents the most useful calculation algorithms for estimating the unknowns of the model. Each inference method is presented and illustrated by numerous application cases.
