{"id":{"repo_id":"moncton","oai_identifier":"oai:umoncton.scholaris.ca:20.500.14658/8146"},"canonical_url":"https://search.dev.ndltd.org/etd/moncton/oai:umoncton.scholaris.ca:20.500.14658/8146","repository":{"repo_id":"moncton","name":"University de Moncton","base_url":"https://umoncton.scholaris.ca/server/oai/request"},"display":{"title":"Mélange de régressions avec poids variables appliqué à la croissance absolue et morphométrie du crabe des neiges (Chionoecetes Opilio)","abstract":"La gestion saine d’une espèce exploitée se base en partie sur un ensemble de paramètres biologiques clés. Parmi ceux-ci, on retrouve des modèles de croissance, partie intégrale de tout modèle de dynamique de population, ainsi que la taille à maturité sexuelle. Cette dernière sert souvent de référence pour établir la taille minimum de capture, c’est-à-dire la plus petite taille que l’on peut apporter au marché. Cependant, l’estimation de ces paramètres à partir de données brutes est souvent compliquée par l’hétérogénéité des données, comme la présence de multiples groupes de maturité non identifiés qui rend le processus plus complexe. L’objectif principal de cette étude est d’élaborer et appliquer une classe de modèles capable d’analyser des ensembles de données hétérogènes. On cherche donc à identifier l’appartenance et d’estimer les paramètres de chaque groupe, tout en minimisant le biais d’estimation. À cette fin on propose une classe de modèles qui sont une généralisation des mélanges de régression dont le poids varie en fonction de la variable indépendante, nommés RMLW (‘Régression Mixture with Logistic Weights’) et RMGW (‘Régression Mixture with Generalized Weights’).","abstract_html":"La gestion saine d’une espèce exploitée se base en partie sur un ensemble de paramètres biologiques clés. Parmi ceux-ci, on retrouve des modèles de croissance, partie intégrale de tout modèle de dynamique de population, ainsi que la taille à maturité sexuelle. Cette dernière sert souvent de référence pour établir la taille minimum de capture, c’est-à-dire la plus petite taille que l’on peut apporter au marché. Cependant, l’estimation de ces paramètres à partir de données brutes est souvent compliquée par l’hétérogénéité des données, comme la présence de multiples groupes de maturité non identifiés qui rend le processus plus complexe. L’objectif principal de cette étude est d’élaborer et appliquer une classe de modèles capable d’analyser des ensembles de données hétérogènes. On cherche donc à identifier l’appartenance et d’estimer les paramètres de chaque groupe, tout en minimisant le biais d’estimation. À cette fin on propose une classe de modèles qui sont une généralisation des mélanges de régression dont le poids varie en fonction de la variable indépendante, nommés RMLW (‘Régression Mixture with Logistic Weights’) et RMGW (‘Régression Mixture with Generalized Weights’).","abstract_has_math":false,"creators":["Surette, Tobie"],"institution":"Université de Moncton","degree_name":"Maîtrise ès sciences (mathématiques)","degree_level":"2e cycle","degree_discipline":"Faculté des sciences","degree_department":null,"school":null,"contributors":[],"advisors":["Choulakian, Vartan","Allard, Jacques"],"committee_chairs":[],"committee_members":[],"year":2007,"date_issued":"2007","date_published":"2007","updated_at":"2026-07-24T03:10:00Z","subjects":["Analyse de régression","Analyse multivariée","Crabe des neiges","Biométrie"],"languages":["iso639-2b","fre"],"rights":["Author"],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["oclc: 726187976"],"render_values":[{"text":"oclc: 726187976","href":null,"code":true}]},{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:1343"],"render_values":[{"text":"umir:1343","href":null,"code":true}]}]},"links":{"outbound_url":"https://hdl.handle.net/20.500.14658/8146","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Choulakian, Vartan","Allard, Jacques"]},{"key":"dc:creator","label":"Author","values":["Surette, Tobie"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2024-12-20T18:14:23Z","2025-05-13T20:05:32Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2024-12-20T18:14:23Z","2025-05-13T20:05:32Z"]},{"key":"dc:date.issued","label":"Date","values":["2007"]},{"key":"dc:publisher","label":"Institution","values":["Université de Moncton"]},{"key":"dc:type","label":"Dc Type","values":["Text","thèse"]},{"key":"thesis:degree_discipline","label":"Discipline","values":["Faculté des sciences"]},{"key":"thesis:degree_level","label":"Degree Level","values":["2e cycle"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Maîtrise ès sciences (mathématiques)"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Université de Moncton"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Analyse de régression","Analyse multivariée","Crabe des neiges","Biométrie"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fre"]},{"key":"dc:language.iso","label":"Language (ISO)","values":["iso639-2b"]},{"key":"dc:rights","label":"Dc Rights","values":["Author"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["oclc: 726187976"]},{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:1343"]},{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/20.500.14658/8146"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["La gestion saine d’une espèce exploitée se base en partie sur un ensemble de paramètres biologiques clés. Parmi ceux-ci, on retrouve des modèles de croissance, partie intégrale de tout modèle de dynamique de population, ainsi que la taille à maturité sexuelle. Cette dernière sert souvent de référence pour établir la taille minimum de capture, c’est-à-dire la plus petite taille que l’on peut apporter au marché. Cependant, l’estimation de ces paramètres à partir de données brutes est souvent compliquée par l’hétérogénéité des données, comme la présence de multiples groupes de maturité non identifiés qui rend le processus plus complexe. L’objectif principal de cette étude est d’élaborer et appliquer une classe de modèles capable d’analyser des ensembles de données hétérogènes. On cherche donc à identifier l’appartenance et d’estimer les paramètres de chaque groupe, tout en minimisant le biais d’estimation. À cette fin on propose une classe de modèles qui sont une généralisation des mélanges de régression dont le poids varie en fonction de la variable indépendante, nommés RMLW (‘Régression Mixture with Logistic Weights’) et RMGW (‘Régression Mixture with Generalized Weights’)."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:format.medium","label":"Dc Format Medium","values":["electronic"]},{"key":"dc:title","label":"Title","values":["Mélange de régressions avec poids variables appliqué à la croissance absolue et morphométrie du crabe des neiges (Chionoecetes Opilio)"]}]}],"canonical_facts":{"dc:contributor.advisor":["Choulakian, Vartan","Allard, Jacques"],"dc:creator":["Surette, Tobie"],"dc:date.accessioned":["2024-12-20T18:14:23Z","2025-05-13T20:05:32Z"],"dc:date.available":["2024-12-20T18:14:23Z","2025-05-13T20:05:32Z"],"dc:date.issued":["2007"],"dc:description.abstract":["La gestion saine d’une espèce exploitée se base en partie sur un ensemble de paramètres biologiques clés. Parmi ceux-ci, on retrouve des modèles de croissance, partie intégrale de tout modèle de dynamique de population, ainsi que la taille à maturité sexuelle. Cette dernière sert souvent de référence pour établir la taille minimum de capture, c’est-à-dire la plus petite taille que l’on peut apporter au marché. Cependant, l’estimation de ces paramètres à partir de données brutes est souvent compliquée par l’hétérogénéité des données, comme la présence de multiples groupes de maturité non identifiés qui rend le processus plus complexe. L’objectif principal de cette étude est d’élaborer et appliquer une classe de modèles capable d’analyser des ensembles de données hétérogènes. On cherche donc à identifier l’appartenance et d’estimer les paramètres de chaque groupe, tout en minimisant le biais d’estimation. À cette fin on propose une classe de modèles qui sont une généralisation des mélanges de régression dont le poids varie en fonction de la variable indépendante, nommés RMLW (‘Régression Mixture with Logistic Weights’) et RMGW (‘Régression Mixture with Generalized Weights’)."],"dc:format":["application/pdf"],"dc:format.medium":["electronic"],"dc:identifier":["oclc: 726187976"],"dc:identifier.other":["umir:1343"],"dc:identifier.uri":["https://hdl.handle.net/20.500.14658/8146"],"dc:language":["fre"],"dc:language.iso":["iso639-2b"],"dc:publisher":["Université de Moncton"],"dc:rights":["Author"],"dc:subject":["Analyse de régression","Analyse multivariée","Crabe des neiges","Biométrie"],"dc:title":["Mélange de régressions avec poids variables appliqué à la croissance absolue et morphométrie du crabe des neiges (Chionoecetes Opilio)"],"dc:type":["Text","thèse"],"thesis:degree_discipline":["Faculté des sciences"],"thesis:degree_level":["2e cycle"],"thesis:degree_name":["Maîtrise ès sciences (mathématiques)"],"thesis:institution_name":["Université de Moncton"]},"updated_at":"2026-07-24T03:10:00Z"}