7543473254

*

*    4

m    _mm

A    •

S'il est amenś a utiliser ou d se róferer d ces statistiąues _y le lecteur devra se souvenir qu'il s’agit la de uariables alóatoires dont on ne connait pas a priori la distribution et ąue l'on ne peut donc pas relier <3 des interoalles de confiance ou d des niveaux de significatiuitć spścifiąues.

-*74 COMPARAISONS GRAPHIQUES

4

L'analyse des ćcarts residuels est une techniąue un peu abstraite. Dans les cas simples, on peut contróler la ualiditó d'un modile en portant sur un gra-⁹ phiąue la uariable a laąuelle on s'intćresse en fonction d^fune variable eccplica-tivej d^,une part pour le modele de production et d’autre part pour des peuplements reels. On peut par exemple tracer l’ćvolution du volume en fonction du temps d la fois pour un modele et des peuplements rćels.

Ce type d'approche permet d’appr6cier plus concrdtement les forces et les faiblesses d^run mod&le ąue 1'analyse des ćcarts-rósiduelsj mais il est inuti-lisable avec des modeles ąui mettent en jeu de nombreuses uariables explicatives _y ou avec de grandes ąuantitćs de donnees-tests.

Nous pensons en fait ąue les deux types d'approche sont souvent neces-saires : on peut employer 1'analyse des rósidus avec des masses importantes de donnees-tests et pour resumer, en ąueląues statistiąues_y la precision observśe sur l¹ensemble du domaine de variation des variables explicatives ; les comparcri,sons graphiąues sont efficaces pour prćsenter_y en publication ou cormrunication _y les as-pects clćs du comportement du moddle,

";75 DEFINITION DES LIMITES D*UTILISATION DU MODELE

Les erreurs rósiduelles d’un mod&le tendent gśnćralement a augmenter au fur et a mesure ąue fon va vers des valeurs extremes des variables explicatives_y surtout si les donnćes-tests couorent une gammę de stationsj d'dges et de condi-tions de croissance plus vaste ąue les donnóes utilisSes pour construire le modele.

II est important, dans le processus de validation_y d’examiner en outre comment le modele se comporte au-dela du domaine couoert par les donnóes-tests en essayant de dśfinir_y pour chaąue variable explicative_y les valeurs au-dela. des-ąuelles les próvisions du modele deuiennent franchement fausses. C'est important_y car les moddles d’accroissement et de production sont souuent utilisśs dans des applications ou 1’absurditó d'un resultat intermćdiaire peut ne pas etre irmśdia-tement apparente ; c’est notarment le cas ąuand ils font partie d^run modele śco-nomiąue de secteur forestier ou d'un programme de pianification des coupes. La ualidation doit donc dśfinir ces limites d'emploi_y d 1'intćrieur desąuelles on ‘ peut considerer le modźle corrme raisonnablement prćcis (pour un usage dćterminś).

%

2