• Aucun résultat trouvé

Surveillance sanitaire à partir de données des services d'urgence : modélisation de séries temporelles et analyse automatique

N/A
N/A
Protected

Academic year: 2021

Partager "Surveillance sanitaire à partir de données des services d'urgence : modélisation de séries temporelles et analyse automatique"

Copied!
163
0
0

Texte intégral

Loading

Figure

Figure 2.1 – Schématisation du choix de la période de référence pour la méthode de Farrington
Figure 2.3 – Simulation pic rapide 5-6 (à gauche) et lent 7-8 (à droite) Pour chacune des méthodes ainsi que pour chacune des séries nous avons  cher-ché à détecter ces différents signaux sur toute la période annuelle considérée
Table 2.1 – Méthodologie de l’analyse des résultats
Figure 3.1 – Première représentation des données journalières SRVA 19
+7

Références

Documents relatifs

Sont dès à présent disponibles en open data sur la plateforme Geodes ainsi que sur data.gouv.fr, les nombres de personnes vaccinées par au moins une dose, par âge et sexe (depuis le

Dans certains cas M pourra s'expliciter sous forme d'un opérateur intégral (métrique plus faible que celle de L 2 ( T ) )... sur le processus transformé M X si celui-ci

1- Préparation des données et choix d’une fonction de perte (loss ou erreur) 2- Choix des familles paramétriques dans lesquelles chercher des modèles 3- Dans chaque

- pourcentage hebdomadaire de grippe parmi les diagnostics des associations SOS Médecins (Dijon, Sens, Besançon, Auxerre, source: SurSaUD ® ) - pourcentage hebdomadaire de

Le tableau 4 donne pour les partitions en 2 à 7 classes obtenues avec la méthode ALI, les statistiques élémentaires (min, max...) des 50 valeurs du critère A

En constituant des classes de grossistes ayant des chroniques de ventes comparables, on espère pouvoir définir un modèle de prévision valable pour tous les éléments de

Les profils sérologiques suggèrent une exposition aux sérogroupes Australis, Sejroe ou Grippotyphosa dans plus de 90% des élevages bovins (n = 973) séropositifs (Ayral et al. 2014

Notre méthode de sélection de contraintes repose sur plusieurs résultats de clus- tering, afin de les réaliser, nous avons sélectionné trois algorithmes de clustering les