Glossaire

« Utiliser le bon mot, la bonne notion, le bon concept, avec la définition la plus couramment acceptée, ou mieux avec la définition la mieux acceptée et comprise relève parfois de l’exploit, … »
Patrick Triplet.

> Par cette citation, je souhaite rendre un vibrant hommage au travail de Titan réalisé sur plus de dix ans par ce biologiste, docteur en écologie dont l’ouvrage “Dictionnaire encyclopédique de la diversité biologique et de la conservation de la nature” constitue la source de très nombreuses définitions présentes dans ce glossaire. Utiliser un langage dont les mots recouvrent des concepts clairement définis permet à chacun d’aborder et de comprendre des domaines qui ne sont pas forcément de sa compétence.

> Ce glossaire qui regroupe plus de 6 000 définitions accompagnées de leur traduction anglaise est là pour vous y aider. Il couvre les domaines complémentaires que sont la Géographie, l’Écologie et l’Économie, sans oublier de faire un petit détour par la Finance qui régit dans l’ombre une bonne part de notre existence.

> Par lui-même, de définition en définition, ce glossaire vous invite à explorer l’univers riche de la conservation des milieux naturels, d’en comprendre les mécanismes et les enjeux.

À toutes et tous, nous souhaitons : “Excellente lecture et bon voyage”.

Critère d’information bayésien

Glossaires

Terme	Définition
Critère d’information bayésien	♦ Initialement utilisé pour sélectionner les modèles dans le cas de grands échantillons (plusieurs milliers d’observations) pour lesquels l’AIC a tendance à sélectionner des modèles comportant de nombreuses variables explicatives. Le Bayesian information criterion (BIC) aboutit à des modèles plus parcimonieux. Le BIC est défini par : BIC = −2 log (eL) + k log (n) où • eL est la vraisemblance maximisée • k le nombre de paramètres dans le modèle • n le nombre d’observations Il est plus parcimonieux que le critère AIC puisqu’il pénalise plus le nombre de variables présentes dans le modèle. ♦ Équivalent étranger : Bayesian information criterion (BIC).

Terme

Définition

Critère d’information bayésien

♦ Initialement utilisé pour sélectionner les modèles dans le cas de grands échantillons (plusieurs milliers d’observations) pour lesquels l’AIC a tendance à sélectionner des modèles comportant de nombreuses variables explicatives. Le Bayesian information criterion (BIC) aboutit à des modèles plus parcimonieux. Le BIC est défini par :

BIC = −2 log (eL) + k log (n)

    où                   • eL   est la vraisemblance maximisée
                            • k     le nombre de paramètres dans le modèle
                            • n    le nombre d’observations
Il est plus parcimonieux que le critère AIC puisqu’il pénalise plus le nombre de variables présentes dans le modèle.

♦ Équivalent étranger : Bayesian information criterion (BIC).