Accéder directement au contenu Accéder directement à la navigation
Thèse

A new generalized linear model (GLM) framework for analysing categorical data; application to plant structure and development.

Jean Peyhardi 1, 2
1 VIRTUAL PLANTS - Modeling plant morphogenesis at different scales, from genes to phenotype
CRISAM - Inria Sophia Antipolis - Méditerranée , INRA - Institut National de la Recherche Agronomique, UMR AGAP - Amélioration génétique et adaptation des plantes méditerranéennes et tropicales
Résumé : Le but de cette thèse est de proposer une nouvelle classe de GLMs pour une variable réponse catégorielle structurée hiérarchiquement, comme une variable partiellement ordonnée par exemple. Une première étape a été de mettre en évidence les différences et les point communs entre les GLMs pour variables réponses nominale et ordinale. Sur cette base nous avons introduit une nouvelle spécification des GLMs pour variable réponse catégorielle, qu'elle soit ordinale ou nominale, basée sur trois composantes : le ratio de probabilitées r, la fonction de répartition F et la matrice de design Z. Ce cadre de travail nous a permis de définir une nouvelle famille de modèles pour données nominales, comparable aux familles de modèles cumulatifs, séquentiels et adjacents pour données ordinales. Puis nous avons défini la classe des modèles linéaires généralisés partitionnés conditionnels (PCGLMs) en utilisant des arbres orientés et la specification (r,F,Z). Dans notre contexte biologique, les données sont des séquences multivariées composées d'une variable réponse catégorielle (le type de production axillaire) et de variables explicatives (longueur de l'entre-noeud par exemple). Dans les combinaisons semi-markoviennes de modèles linéaires généralisés partitionnés conditionnés (SMS-PCGLM) estimées sur la base de ces séquences, la semi-chaîne de Markov sous-jacente représente la succession et les longueurs des zones de ramification, tandis que les PCGLMs représentent, l'influence des variables explicatives de croissance sur les productions axillaires dans chaque zone de ramification. En utilisant ces modèles statistiques intégratifs, nous avons montré que la croissance de la pousse influençait des événements de ramification particuliers.
Liste complète des métadonnées

Littérature citée [63 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-00936845
Déposant : Jean Peyhardi <>
Soumis le : lundi 27 janvier 2014 - 14:54:38
Dernière modification le : jeudi 4 mars 2021 - 15:25:10
Archivage à long terme le : : dimanche 27 avril 2014 - 22:41:29

Fichier

Identifiants

  • HAL Id : tel-00936845, version 1
  • PRODINRA : 326634

Citation

Jean Peyhardi. A new generalized linear model (GLM) framework for analysing categorical data; application to plant structure and development.. Statistics [math.ST]. Université Montpellier II - Sciences et Techniques du Languedoc, 2013. English. ⟨tel-00936845⟩

Partager

Métriques

Consultations de la notice

938

Téléchargements de fichiers

1793