Search

Your search keyword '"Cornillon, Pierre-André"' showing total 126 results
Start Over Author "Cornillon, Pierre-André"

Refine your results

more »

more »

more »

more »
126 results on '"Cornillon, Pierre-André"'

3. Recursive Bias Estimation and $L_2$ Boosting

Author

Cornillon, Pierre Andre, Hengartner, Nicolas, and Matzner-Lober, Eric

Subjects
Statistics - Methodology, Statistics - Machine Learning
Abstract

This paper presents a general iterative bias correction procedure for regression smoothers. This bias reduction schema is shown to correspond operationally to the $L_2$ Boosting algorithm and provides a new statistical interpretation for $L_2$ Boosting. We analyze the behavior of the Boosting algorithm applied to common smoothers $S$ which we show depend on the spectrum of $I-S$. We present examples of common smoother for which Boosting generates a divergent sequence. The statistical interpretation suggest combining algorithm with an appropriate stopping rule for the iterative procedure. Finally we illustrate the practical finite sample performances of the iterative smoother via a simulation study. simulations.

Published
2008

5. Fully Nonparametric Short Term Forecasting Electricity Consumption

Author

Cornillon, Pierre-André, Hengartner, Nick, Lefieux, Vincent, Matzner-Løber, Eric, Bickel, Peter, Series editor, Diggle, Peter, Series editor, Fienberg, Stephen E., Series editor, Gather, Ursula, Series editor, Olkin, Ingram, Series editor, Zeger, Scott, Series editor, Antoniadis, Anestis, editor, Poggi, Jean-Michel, editor, and Brossat, Xavier, editor

Published
2015
Full Text
View/download PDF

7. Local multivariate analysis

Author

Cornillon, Pierre-André, Sabatier, Robert, Bock, H.-H., editor, Gaul, W., editor, Opitz, O., editor, Schader, M., editor, Rizzi, Alfredo, editor, Vichi, Maurizio, editor, and Bock, Hans-Hermann, editor

Published
1998
Full Text
View/download PDF

9. Régression avec R Ed. 2

Author

Cornillon, Pierre-André, Hengartner, Nicolas, Matzner-Løber, Eric, Cornillon, Pierre-André, Cornillon, Pierre-André, Hengartner, Nicolas, Matzner-Løber, Eric, and Cornillon, Pierre-André

Abstract

Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l'apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le sit

Published
2019

10. Régression avec R

Author

Cornillon, Pierre-André, Matzner-Løber, Eric, Hengartner, Nicolas, Rouviere, Laurent, and Cornillon, Pierre-André

Subjects
ComputingMilieux_MISCELLANEOUS, [STAT] Statistics [stat]
Published
2019

11. Comment on “Meta-analysis reveals declines in terrestrial but increases in freshwater insect abundances”

Author

UCL - SST/ELI/ELIB - Biodiversity, Desquilbet, Marion, Gaume, Laurence, Grippa, Manuela, Céréghino, Régis, Humbert, Jean-François, Bonmatin, Jean-Marc, Cornillon, Pierre-André, Maes, Dirk, Van Dyck, Hans, Goulson, David, UCL - SST/ELI/ELIB - Biodiversity, Desquilbet, Marion, Gaume, Laurence, Grippa, Manuela, Céréghino, Régis, Humbert, Jean-François, Bonmatin, Jean-Marc, Cornillon, Pierre-André, Maes, Dirk, Van Dyck, Hans, and Goulson, David

Abstract

Van Klink et al. (Reports, 24 April 2020, p. 417) argue for a more nuanced view of insect decline, and of human responsibility for this decline, than previously suggested. However, shortcomings in data selection and methodology raise questions about their conclusions on trends and drivers. We call for more rigorous methodology to be applied in meta-analyses of ecological data.

Published
2020

24. Régression avec R Ed. 2

Author

Hengartner, Nicolas, Matzner-Løber, Eric, Cornillon, Pierre-André, Hengartner, Nicolas, Matzner-Løber, Eric, and Cornillon, Pierre-André

Abstract

Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l'apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le sit

Published
2019

25. Nonparametric Statistics

Author

Cornillon, Pierre-André, Institut de Recherche Mathématique de Rennes (IRMAR), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-INSTITUT AGRO Agrocampus Ouest, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), IRMAR-STAT, AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-École normale supérieure - Rennes (ENS Rennes)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), and Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)

Subjects
[STAT]Statistics [stat], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2018
Full Text
View/download PDF

29. Analyse d'images et régression non-paramétrique

Author

Thieurmel, Benoit, Cornillon, Pierre-André, Hengartner, Nick, Wohlberg, Brendt, Greenwich Statistics, Greenwich Consulting Group, Département Mathématiques appliquées des sciences sociales [Rennes] (MASS), Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES), and Los Alamos National Laboratory (LANL)

Subjects
[STAT.AP]Statistics [stat]/Applications [stat.AP], régression non paramétrique, traitement d'images, [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], [STAT.CO]Statistics [stat]/Computation [stat.CO], [SDV.BIBS]Life Sciences [q-bio]/Quantitative Methods [q-bio.QM]
Abstract

Analyse d'images et régression non-paramétrique

Published
2012

30. R for statistics

Author

Cornillon , Pierre-André, Guyader , Arnaud, Husson , François, Jégou , Nicolas, Josse , Julie, Kloareg , Maela, Matzner-Løber , Eric, Rouviere , Laurent, Institut de Recherche Mathématique de Rennes ( IRMAR ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -AGROCAMPUS OUEST-École normale supérieure - Rennes ( ENS Rennes ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National des Sciences Appliquées ( INSA ) -Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS ), Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ), Applications of interacting particle systems to statistics ( ASPI ), Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS ) -Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique ( Inria ), AGROCAMPUS OUEST, Centre de recherche en Statistique [Rennes], and Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES )

Subjects
[ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], [ STAT.TH ] Statistics [stat]/Statistics Theory [stat.TH]
Published
2012

31. Régression avec R

Author

Cornillon , Pierre-André, Matzner-Løber , Eric, Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ), Institut de Recherche Mathématique de Rennes ( IRMAR ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -AGROCAMPUS OUEST-École normale supérieure - Rennes ( ENS Rennes ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National des Sciences Appliquées ( INSA ) -Université de Rennes 2 ( UR2 ), and Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS )

Subjects
modèle linéaire, régression, analyse de la covariance, choix de variable, [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], logiciel R, [ STAT.TH ] Statistics [stat]/Statistics Theory [stat.TH]
Published
2011

32. Régression avec R

Author

Cornillon, Pierre-André, Matzner-Løber, Eric, Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES), Institut de Recherche Mathématique de Rennes (IRMAR), AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-École normale supérieure - Rennes (ENS Rennes)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), and Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)

Subjects
modèle linéaire, régression, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], analyse de la covariance, choix de variable, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], logiciel R
Published
2011

33. Réduction itérative du biais pour des lisseurs multivariés

Author

Cornillon, Pierre-André, Hengartner, Nick, Matzner-Lober, Eric, Mathématiques, Informatique et STatistique pour l'Environnement et l'Agronomie (MISTEA), Institut National de la Recherche Agronomique (INRA)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut de Recherche Mathématique de Rennes (IRMAR), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-INSTITUT AGRO Agrocampus Ouest, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Los Alamos National Laboratory (LANL), Université de Rennes 2 (UR2), Société Française de Statistique (SFdS). FRA., AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-École normale supérieure - Rennes (ENS Rennes)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA), Université de Rennes (UNIV-RENNES), Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Institut National de la Recherche Agronomique (INRA), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-AGROCAMPUS OUEST-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-Centre National de la Recherche Scientifique (CNRS), Mathématiques, Informatique et STatistique pour l'Environnement et l'Agronomie ( MISTEA ), Institut National de la Recherche Agronomique ( INRA ) -Institut national d’études supérieures agronomiques de Montpellier ( Montpellier SupAgro ), Institut de Recherche Mathématique de Rennes ( IRMAR ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -AGROCAMPUS OUEST-École normale supérieure - Rennes ( ENS Rennes ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National des Sciences Appliquées ( INSA ) -Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS ), Los Alamos National Laboratory ( LANL ), Université de Rennes 2 ( UR2 ), and Université de Rennes ( UNIV-RENNES )

Subjects
[MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], modèles semi et non paramétriques, statistique mathématique, mathématique, [INFO]Computer Science [cs], statistique, [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], modèles semi et non paramétriques, statistique mathématique, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], [MATH]Mathematics [math], méthode mathématique, [ STAT.TH ] Statistics [stat]/Statistics Theory [stat.TH]
Abstract

International audience; La méthode IBR (iterated biased reduction) permet d'estimer une fonction de régression $m$ inconnue lorsque les variables explicatives sont à valeurs dans $\mathbbR^d$. Pour estimer la fonction $m$, les méthodes non-paramétriques classiques souffrent du fléau de la dimension. En pratique, il faut donc supposer des hypothèses structurelles: modèles additifs, modèles à directions révélatrices... A contrario IBR estime directement la fonction de régression $m$. Elle concurrence MARS, les directions révélatrices ou les modèles additifs et sur des exemples réels ou simulés et elle apporte des gains significatifs sur l'erreur de prévision. Cette méthode utilise en pratique un lisseur pilote soit de type splines plaque-minces soit de type noyau gaussien. Cet estimateur pilote est utilisé de manière répétée afin d'estimer le biais et permet de l'enlever progressivement. La méthode, à l'instar du $L_2$ boosting, nécessite donc l'estimation de l'itération optimale. Des résultats de vitesse de convergence (vitesse minimax) de l'erreur quadratique moyenne de l'estimateur (avec itération optimale) ont été obtenus. L'optimalité du critère de choix de l'itération (GCV) a aussi été démontré. Un exemple simulé simple ($d=2$) et un exemple réel ($d=8$) seront traités et comparés aux méthodes existantes: GAM, MARS, PPR, ou $L_2$-boosting. Un package \textsfR disponible sur le CRAN permet d'utiliser cette méthode très simplement.

Published
2010

34. Atouts et faiblesses du logiciel R en enseignement, recherche et industrie

Author

Cornillon, Pierre-André, Matzner-Løber, Eric, ProdInra, Migration, Institut de Recherche Mathématique de Rennes ( IRMAR ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -AGROCAMPUS OUEST-École normale supérieure - Rennes ( ENS Rennes ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National des Sciences Appliquées ( INSA ) -Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS ), Analyse des Systèmes et Biométrie ( ASB ), Institut National de la Recherche Agronomique ( INRA ), Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ), Institut de Recherche Mathématique de Rennes (IRMAR), AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-École normale supérieure - Rennes (ENS Rennes)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA), Analyse des Systèmes et Biométrie (ASB), Institut National de la Recherche Agronomique (INRA), Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES), Jds2009, Conférence, Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-AGROCAMPUS OUEST-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-Centre National de la Recherche Scientifique (CNRS), Université de Haute Bretagne ( Rennes 2 ) (UR 2), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-INSTITUT AGRO Agrocampus Ouest, and Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)

Subjects
STATISTICAL SOFTWARE, [STAT.TH] Statistics [stat]/Statistics Theory [stat.TH], R SOFTWARE, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], [MATH] Mathematics [math], [INFO] Computer Science [cs], [ STAT.TH ] Statistics [stat]/Statistics Theory [stat.TH], FREE SOFTWARE, LOGICIEL DE STATISTIQUE, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], LOGICIEL LIBRE, INFORMATIQUE, [INFO]Computer Science [cs], [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], [MATH]Mathematics [math], [MATH.MATH-ST] Mathematics [math]/Statistics [math.ST], PACKAGE
Abstract

In this talk, we will present the use of R software in teaching, research and enterprise. To each of these three fields corresponds specifics problems. Recall that R is truly multi-platform and multi-OS. This is a free software with numerous statistical methods already available. It offers also a Graphical User Interface in addition to the Command Line Interface, which is the natural way to interact with R. According to these remarks, it seems natural to think that R will be very soon the most used statistical software for teaching. Its programming ease and its widespread use make R to be the lingua franca of the statistical community. What will be the future of R in statistical research ? In the third part, we will try to make a comparison between R and other statistical softwares. We will analyze both positive and negative aspects of R software in the industry and try to understand if the success of R in research field will carry on in the industry., Dans cette conférence, nous aborderons le logiciel R sous trois aspects : son utilisation en enseignement, en recherche et dans le monde de l'entreprise. Pour chacune de ces trois utilisations, il est nécessaire d'évaluer les demandes spécifiques du domaine et les réponses qu'apporte le logiciel R. Rappelons brièvement que le logiciel R est multi-plateforme et multi-OS. Il est entièrement gratuit, très complet et offre à la fois des commandes mais aussi des menus déroulants. Il est donc raisonnable de penser que ce logiciel fera partie des logiciels de statistique les plus enseignés. Sa facilité de programmation et sa forte utilisation dans le monde de la recherche en font dès aujourd'hui un language omniprésent. On peut donc s'interroger sur les futures évolutions de R vis à vis de la recherche en statistiques. Dans la troisième partie, nous comparerons R avec ses différents concurrents et analyserons les points qui gouvernent les choix de logiciels en entreprise (prix, interface graphique, intégration dans les base de données...). Bien évidemment le logiciel est loin d'être parfait mais il comporte dès à présent des avantages qui lui valent d'être adopté par un nombre croissant d'entreprises.

Published
2009

35. Prévision de la consommation d'électricité par correction itérative du biais

Author

Cornillon, Pierre-André, Hengartner, Nicolas, Lefieux, Vincent, Matzner-Løber, Eric, Institut de Recherche Mathématique de Rennes (IRMAR), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-INSTITUT AGRO Agrocampus Ouest, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Analyse des Systèmes et Biométrie (ASB), Institut National de la Recherche Agronomique (INRA), Theorical Division (LANL), Los Alamos National Laboratory (LANL), Département Méthodes et Appui, Réseau de Transport d'Electricité [Paris] (RTE), Université de Rennes 2 (UR2), Institut de Recherche Mathématique de Rennes ( IRMAR ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -AGROCAMPUS OUEST-École normale supérieure - Rennes ( ENS Rennes ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National des Sciences Appliquées ( INSA ) -Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS ), Analyse des Systèmes et Biométrie ( ASB ), Institut National de la Recherche Agronomique ( INRA ), Theorical Division ( LANL ), Los Alamos National Laboratory ( LANL ), Réseau de Transport d'Electricité-RTE, Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-AGROCAMPUS OUEST-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-Centre National de la Recherche Scientifique (CNRS), Université de Rennes (UNIV-RENNES), AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-École normale supérieure - Rennes (ENS Rennes)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA), Jds2009, Conférence, and ProdInra, Migration

Subjects
[STAT.TH] Statistics [stat]/Statistics Theory [stat.TH], SMOOTHER, ELECTRICITY CONSUMPTION, ITERATIVE PROCEDURE, [MATH] Mathematics [math], [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], [INFO] Computer Science [cs], FORECAST, LISSAGE, METHODE ITERATIVE, [ STAT.TH ] Statistics [stat]/Statistics Theory [stat.TH], REGRESSION NON PARAMETRIQUE, CONSOMMATION D’ELECTRICITE, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], [INFO]Computer Science [cs], [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], [MATH]Mathematics [math], NONPARAMETRIC REGRESSION, [MATH.MATH-ST] Mathematics [math]/Statistics [math.ST]
Abstract

Réseau de Transport d’Electricité (RTE), in charge of operating the French electric transportation grid, needs an accurate forecast of the electricity consumption in order to operate it correctly. The forecasts used everyday result from a model combining a nonlinear parametric regression and a SARIMA model. In order to obtain an adaptive forecasting model, nonparametric forecasting methods have already been tested without real success. In particular, it is known that a nonparametric predictor behaves badly with a great number of explanatory variables, what is commonly called the curse of dimensionality. We use a method which iteratively corrects the bias initial estimator by an estimate of the latter obtained by smoothing the residuals. We apply the method to the french electricity consumption and show that the method compares favourably with existing procedures., Une prévision correcte de la consommation d’électricité est fondamentale pour le bon fonctionnement du réseau électrique français, dont Réseau de Transport d’Electricité à la charge. Les prévisions utilisées quotidiennement par RTE sont issues d’un modèle alliant une régression paramétrique non linéaire et un modèle SARIMA. Dans l’idée d’obtenir un modèle de prévision adaptatif, des méthodes de prévision non-paramétriques ont déjà été testées sans succès véritable. On sait notamment que la qualité d’un prédicteur non-paramétrique résiste mal à un grand nombre de variables explicatives, ce qu’on appelle communément le fléau de la dimension. Nous utilisons ici une méthode de correction itérative du biais, en lissant les résidus obtenus à chaque étape. Nous présentons dans cette communication un exemple d’application sur la consommation d’électricité française pour lequel cette méthode se révèle performante.

Published
2009

36. Statistique avec R

Author

Cornillon , Pierre-André, Guyader , Arnaud, Husson , François, Jégou , Nicolas, Josse , Julie, Kloareg , Maela, Matzner-Løber , Eric, Rouviere , Laurent, Institut de Recherche Mathématique de Rennes ( IRMAR ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -AGROCAMPUS OUEST-École normale supérieure - Rennes ( ENS Rennes ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National des Sciences Appliquées ( INSA ) -Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS ), Applications of interacting particle systems to statistics ( ASPI ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -Inria Rennes – Bretagne Atlantique, and Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Centre National de la Recherche Scientifique ( CNRS )

Subjects
[ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], [ STAT.TH ] Statistics [stat]/Statistics Theory [stat.TH]
Abstract

Ce manuel explique le fonctionnement du logiciel R et il montre la mise en œuvre d'une vingtaine de méthodes statistiques au travers de fiches. Ces fiches sont basées sur des exemples concrets et balayent un large spectre de techniques classiques en traitement de données. Ce guide s'adresse aux débutants comme aux utilisateurs réguliers de R. Il leur permettra de réaliser rapidement des graphiques et des traitements statistiques simples ou élaborés.

Published
2008

37. Statistique avec R

Author

Cornillon, Pierre-André, Guyader, Arnaud, Husson, François, Jégou, Nicolas, Josse, Julie, Kloareg, Maela, Matzner-Løber, Eric, Rouviere, Laurent, Institut de Recherche Mathématique de Rennes (IRMAR), AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-École normale supérieure - Rennes (ENS Rennes)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA), Applications of interacting particle systems to statistics (ASPI), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Inria Rennes – Bretagne Atlantique, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH]
Abstract

Ce manuel explique le fonctionnement du logiciel R et il montre la mise en œuvre d'une vingtaine de méthodes statistiques au travers de fiches. Ces fiches sont basées sur des exemples concrets et balayent un large spectre de techniques classiques en traitement de données. Ce guide s'adresse aux débutants comme aux utilisateurs réguliers de R. Il leur permettra de réaliser rapidement des graphiques et des traitements statistiques simples ou élaborés.

Published
2008

38. Régression avec R (collection Pratique R)

Author

MATZNER-LØBER Éric, CORNILLON Pierre-André, MATZNER-LØBER Éric, and CORNILLON Pierre-André

Abstract

Cet ouvrage expose en détail l'une des méthodes statistiques les plus courantes : la régression. Il concilie théorie et applications, en insistant notamment sur l'analyse de données réelles avec le logiciel R. Les premiers chapitres sont consacrés à la régression linéaire simple et multiple, et expliquent les fondements de la méthode, tant au niveau des choix opérés que des hypothèses et de leur utilité. Puis ils développent les outils permettant de vérifier les hypothèses de base mises en œuvre par la régression, et présentent les modèles d'analyse de la variance et covariance. Suit l'analyse du choix de modèle en régression multiple. Les derniers chapitres présentent certaines extensions de la régression, comme la régression sous contraintes (ridge, lasso et lars), la régression sur composantes (PCR et PLS), et, enfin, introduisent à la régression non paramétrique (spline et noyau). La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous le logiciel R figurent dans le corps du texte. Chaque chapitre est complété par une suite d'exercices corrigés. Le niveau mathématique requis rend ce livre accessible aux élèves ingénieurs, aux étudiants de niveau Master et aux chercheurs actifs dans divers domaines des sciences appliquées.

Published
2010

39. Régression : Théorie et applications

Author

Cornillon, Pierre-André, Matzner-Løber, Eric, Institut de Recherche Mathématique de Rennes (IRMAR), AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-École normale supérieure - Rennes (ENS Rennes)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA), Institut de Recherche Mathématique de Rennes ( IRMAR ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -AGROCAMPUS OUEST-École normale supérieure - Rennes ( ENS Rennes ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National des Sciences Appliquées ( INSA ) -Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS ), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-INSTITUT AGRO Agrocampus Ouest, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), and Guillemer, Marie-Annick

Subjects
[STAT.TH] Statistics [stat]/Statistics Theory [stat.TH], [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], [MATH.MATH-ST] Mathematics [math]/Statistics [math.ST], [ STAT.TH ] Statistics [stat]/Statistics Theory [stat.TH]
Published
2007

41. Cartographier le carbone stocké dans la végétation : perspectives pour la spatialisation d'un service écosystémique

Author

Le Clec'h, Solen, Oszwald, Johan, Jégou, Nicolas, Dufour, Simon, Cornillon, Pierre André, Miranda, Izildinha de Souza, Gonzaga, Luiz, Grimaldi, Michel, Gond, Valéry, Arnauld de Sartre, Xavier, Le Clec'h, Solen, Oszwald, Johan, Jégou, Nicolas, Dufour, Simon, Cornillon, Pierre André, Miranda, Izildinha de Souza, Gonzaga, Luiz, Grimaldi, Michel, Gond, Valéry, and Arnauld de Sartre, Xavier

Abstract

Les grands programmes internationaux d'observation des écosystèmes, tels que le Millenium Ecosystem Assessment (Mea), puis Redd (Réduction des émissions liées à la déforestation et à la dégradation des forêts) et Redd+, préconisent le développement des approches permettant de quantifier et de spatialiser les services écosystémiques afin de mettre en oeuvre des pratiques et des politiques de gestion environnementale plus adaptées. La cartographie des services écosystémiques apparaît ainsi comme un outil majeur des espaces à forts enjeux environnementaux. Cependant, elle souffre encore de certaines limitations. C'est le cas du stock de carbone dans la biomasse végétale. À l'échelle d'une localité d'Amazonie brésilienne de 175 km², cette fonction écologique a été cartographiée avec une résolution spatiale de 30 x 30 m. Afin de quantifier ces stocks, des mesures de biomasse arborée et arbustive au sein de 45 " points " et des données géographiques obtenues par télédétection sont mises en jeu. Pour cela, deux méthodes statistiques sont testées : l'arbre de décision et la régression linéaire multiple. Les résultats statistiques de chacune de ces méthodes sont présentés, permettant d'en comprendre les intérêts et les inconvénients. La qualité d'ajustement de ces modèles est testée. Si l'arbre de décision décrit mieux le rôle des variables explicatives, la régression linéaire multiple permet une prédiction beaucoup plus efficace. Elle rend alors davantage compte de la variabilité spatiale au sein de chaque type d'occupation du sol. Cette méthode fait apparaître à l'échelle de la ferme des phénomènes spécifiques au territoire étudié. Cela permet de retranscrire simplement le résultat d'un processus écologique tout en le mettant en relation avec les activités anthropiques. Cette étude permet donc d'illustrer l'importance des choix méthodologiques afin d'obtenir la cartographie d'un processus.

Published
2013

42. Sélection des ortets dans les plans de croisements R96-3, R91-6, R92-1 et R92-2

Author

Cornillon, Pierre André and Gouma, Raphaël

Abstract

Cette note présente la sélection opérée début août 2000 dans les essais R96-3, et R91-6 puis fin août 2000 pour les essais R92-1 et R92-2. Le premier essai consiste en un plan (factoriel) de croisement Eucalyptus urophylla x Eucalyptus grandis. Le second regroupe des hybrides trois voies Eucalyptus tereticornis x (Eucalyptus urophylla x Eucalyptus grandis) et Eucalyptus pellita x (Eucalyptus urophylla x Eucalyptus grandis). Le troisième est un plan (factoriel) de croisement Eucalyptus tereticornis x Eucalyptus grandis. Le dernier est un plan (factoriel) de croisement Encalyptus urophylla x Eucalyptus pellita. La méthode de sélection employée est l'espérance conditionnelle, la variance génétique étant estimée comme issue, d'un modèle génétique à un locus.

Published
2000

44. Régression : théorie et applications

Author

MATZNER-LØBER Éric, CORNILLON Pierre-André, MATZNER-LØBER Éric, and CORNILLON Pierre-André

Subjects
Regression analysis
Abstract

Cet ouvrage expose de manière détaillée, exemples à l'appui, l'une des méthodes statistiques les plus courantes : la régression. Les premiers chapitres sont consacrés à la régression linéaire simple et multiple. Ils expliquent les fondements de la méthode, tant au niveau des choix opérés que des hypothèses et de leur utilité. Ensuite sont développés les outils permettant de vérifier les hypothèses de base mises en oeuvre par la régression. Une présentation simple des modèles d'analyse de la covariance et de la variance est effectuée. Enfin, les derniers chapitres sont consacrés au choix de modèles ainsi qu'à certaines extensions de la régression: lasso, PLS, PCR... La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous le logiciel R figurent dans le corps du texte. Enfin chaque chapitre est complété par une suite d'exercices corrigés. Le niveau mathématique requis le rend accessible aux étudiants des écoles d'ingénieurs, de Masters et aux chercheurs dans les divers domaines des sciences appliquées.

Published
2007

46. Influence des hautes températures des racines sur la croissance de plants de diverses variétés de melon (Cucumis melo L.). Aspects particuliers concernant la nutrition de la plante

Author

Risser, G., Cornillon, Pierre-André, Station d'amélioration des plantes maraîchères, and Institut National de la Recherche Agronomique (INRA)

Subjects
[SDV.SA]Life Sciences [q-bio]/Agricultural sciences, ABSORPTION D'EAU
Abstract

Young plants of 4 muskmelon varieties were cultivated in nutrient solution with constant root temperature between 18 °C and 34 °C and air temperature below 30 °C at two times of year : end of winter and beginning of summer. Provided root temperature was always above air temperature, muskmelorn growth was normal. Root temperature had no effect in summer but at the end of winter higher root temperature gave better growth. There were great varietal differences during this period of low total radiation. " Freeman’s cucumber " grew better than the " Charentais " varieties : " Doublon " and " Vedrantais ", when the root temperature was high ; for " Persian Small Type ", root temperatures higher than 22 °C were unfavourable. At root temperatures higher than 18 °C, total radiation was the main factor limiting muskmelon growth; De jeunes plants de 4 variétés de melon ont été cultivés en solution nutritive maintenue à diverses températures entre 18 °C et 34 °C alors que la température de l’air ambiant était inférieure à 30 °C, à 2 périodes : fin d’hiver et début d’été. Aucun effet systématique de la température racinaire n’a été observé en période estivale alors qu’en période de faible rayonnement, la croissance était d’autant meilleure que la température racinaire était plus élevée, sauf pour la variété « Persian Small Type ». De fortes différences variétales existent en effet en période de faible rayonnement global. « Freeman’s cucumber » profite mieux de l’augmentation de la température racinaire que les types « Charentais » : « Doublon » et « Védrantais », alors qu’au-dessus de 22 °C l’augmentation de la température racinaire est nuisible à la croissance de « Persian Small Type ». Dans les conditions de l’essai, le maintien d’une température racinaire supérieure à celle de l’air n’a pas entraîné d’anomalie de croissance. Au-dessus d’une température racinaire de 18 °C, le rayonnement global devient le facteur limitant essentiel de la croissance du melon

Published
1983

47. Influence de la température des racines sur la croissance de jeunes plants d'aubergine (Solanum melongena L.) et de piment (Capsicum annuum L.)

Author

Cornillon, Pierre-André, Unité d'écophysiologie et horticulture, and Institut National de la Recherche Agronomique (INRA)

Subjects
[SDV.SA]Life Sciences [q-bio]/Agricultural sciences, azote, système racinaire, croissance, Agricultural sciences, nutrition minérale, piment, racine, nutrition hydrique, absorption azotée, plante légumière, aubergine, solanum melongena, température, capsicum, culture hydroponique, ABSORPTION D'EAU, Sciences agricoles
Abstract

De jeunes plants d’aubergine et de piment sont cultivés en solution nutritive maintenue à 4 températures différentes : 13, 18, 23 et 28 °C. Ces deux espèces réagissent fortement à une faible modification de la température racinaire puisque l’accumulation de matières sèches est multipliée par un facteur supérieur à 2,5 quand on passe de 13 à 18 °C au niveau des racines. A 23 et à 28 °C, la croissance est très comparable à celle observée à 18 °C. La moindre croissance observée à 13 °C s’accompagne ou résulte d’une consommation réduite en eau et surtout d’une modification importante de la nutrition minérale. En particulier, il apparaît à 13 °C une accumulation d’azote nitrique et d’azote organique dans les racines par rapport à 18, 23 et 28 °C. Nous notons le phénomène inverse dans le limbe. Ces observations permettent la mise en évidence d’un seuil situé entre 13 et 18 °C pour lequel le transfert d’azote vers la partie aérienne est particulièrement affecté., Young plants of eggplant and pepper were grown in nutrient solution at 4 constant root temperatures : 13, 18, 23 and 28 °C. The two species reacted strongly to the change in root temperature, plant dry weight increasing by more than 2.5 from 13 to 18 °C. At 23 and 28 °C, plant dry weight was comparable with that observed at 18 °C. The poor growth at 13 °C was accompanied by and possibly due to low water uptake and greatly modified mineral nutrition. At 13 °C nitrate and organic nitrogen accumulated in the roots, while at 18, 23 and 28 °C they accumulated in the leaves. These observations suggest a distinct threshold between 13 and 18 °C below which nitrogen transfer from root to shoot is particularly reduced.

Published
1984

48. Effet de basses temperatures appliquees aux parties aerienne ou racinaire de la tomate sur l'absorption d'elements mineraux et la fertilite pollinique

Author

Cornillon, Pierre-André, Maisonneuve, Brigitte, Unité d'écophysiologie et horticulture, Institut National de la Recherche Agronomique (INRA), and Unité de recherche Génétique et amélioration des plantes (GAP)

Subjects
[SDV.SA]Life Sciences [q-bio]/Agricultural sciences, fertilité pollinique, basse température, plante légumière, lycopersicon esculentum, température, besoin nutritionnel, Sciences agricoles, Agricultural sciences
Abstract

Deux génotypes de tomate, « Montfavet n° 63-4 » et « Coldset », cultivés en solution nutritive, ont été soumis à une combinaison de traitements thermiques : température de 7 °C-8 °C ou 13 °C-25 °C (alternance nuit-jour) pour la partie aérienne et de 8 °C ou 18 °C au niveau des racines. Nous observons l’avortement du pollen lorsque la température de l’air ambiante est basse (7 °C-8 °C), quelle que soit la température des racines ; « Coldset » étant plus sensible au froid que « Montfavet n° 63-4 ». La consommation d’eau dépend essentiellement de la température de l’air avec une importante modulation liée à la température racinaire. Les deux génotypes ont un comportement très voisin. Au contraire, l’absorption de l’ion H2PO 4 dépend uniquement de la température des racines, avec une absorption normale à 18 °C et une réduction d’environ 50 p. 100 des prélèvements à 8 °C pour les 2 génotypes. L’absorption de l’ion NO3 et des cations est une fonction complexe de la température des racines et de celle de la partie aérienne. Pour les consommations des ions NO3 et K+, nous notons une différence entre les 2 génotypes pour la température racinaire de 8 °C. Il n’apparaît donc aucune relation entre l’avortement du pollen au froid, qui dépend seulement de la température de l’air ambiante, et l’absorption minérale, qui est tributaire également de la température du milieu racinaire., Two tomato genotypes, « Montfavet n° 63-4 » and « Coldset », were cultivated in nutrient solution with temperature treatments of 7 °C-8 °C or 13 °C-25 °C for night/day air temperature and 8 °C or 18 °C for root temperature. Pollen abortion was observed when air temperature was low (7 °C-8 °C) with normal (18 °C) and low (8 °C) root temperature ; « Coldset » was more sensitive than « Montfavet n° 63-4 »;. Water uptake was essentially related to air temperature, but was modified by root temperature. The reaction of both genotypes was very similar. In contrast, the H2P04 absorption was related only to root temperature : normal at 18 °C and halved at 8 °C for each genotype. NO3 and cation absorption were related to both root and air temperature. There was a difference between both genotypes for N03 and K+ absorption at 8 °C root temperature. In summary, no relation appeared between pollen abortion, affected only by low air temperature, and nutrient absorption, that also depended on root temperature.

Published
1985

49. Influence de la temperature des racines et de la temperature ambiante nocturne sur l'absorption des elements mineraux par la plante

Author

Cornillon, Pierre-André, Kung, N., Unité d'écophysiologie et horticulture, and Institut National de la Recherche Agronomique (INRA)

Subjects
racine, tomate, absorption racinaire, plante légumière, [SDV]Life Sciences [q-bio], lycopersicon esculentum, température, culture hydroponique, ComputingMilieux_MISCELLANEOUS
Abstract

National audience

Published
1981

50. Influence de la temperature des racines sur la croissance et la nutrition des plantes

Author

Cornillon, Pierre-André, Unité d'écophysiologie et horticulture, Institut National de la Recherche Agronomique (INRA), and INRA, Paris (FRA)

Subjects
racine, nutrition, [SDV]Life Sciences [q-bio], température, culture hydroponique, croissance, plante cultivée
Abstract

ISBN 2-85340-660-1; National audience

Published
1985

Catalog

Books, media, physical & digital resources
See catalog results