Ce mémoire est centré sur l'étude des coefficients de corrélation partiels en régression linéaire multiple, à travers les tests de permutation. Ces tests sont nécessaires lorsque les suppositions du modèle linéaire ne sont pas verifiées, et l'application des tests classiques est erronnée. On présente les bases théoriques de trois méthodes de la littérature, Manly (1991), Freedman et Lane (1983) et Kennedy (1995), et on fait une étude de simulation afin de les comparer. On ajoute aux comparaisons le test paramétrique, ainsi qu'une méthode qu'on propose. On regarde l'erreur de type I et la puissance de ces tests. Un dernier volet du mémoire est la présentation des tests de Mantel (1967) et Smoose et al. (1986) qui sont des généralisations de ces méthodes de permutation pour la régression multiple à des matrices de distances. A titre d'exemple, ces différentes techniques de permutation sont appliquées sur des matrices de distances génétiques en relation avec des distances environnementales et des distances géographiques. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Échangeabilité, Test de permutation, Test de Mantel, Test de Mantel partiel, Régression multiple, Corrélation partielle, Résidus.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Le croisement du phénomène de mondialisation et du développement continu des technologies de l’information a débouché sur une explosion des volumes de données disponibles. Ainsi, les capacités de production, de stockage et de traitement des donnée sont franchi un tel seuil qu’un nouveau terme a été mis en avant : Big Data.L’augmentation des quantités de données à considérer, nécessite la mise en oeuvre de nouveaux outils de traitement. En effet, les outils classiques d’apprentissage sont peu adaptés à ce changement de volumétrie tant au niveau de la complexité de calcul qu’à la durée nécessaire au traitement. Ce dernier, étant le plus souvent centralisé et séquentiel,ce qui rend les méthodes d’apprentissage dépendantes de la capacité de la machine utilisée. Par conséquent, les difficultés pour analyser un grand jeu de données sont multiples.Dans le cadre de cette thèse, nous nous sommes intéressés aux problèmes rencontrés par l’apprentissage supervisé sur de grands volumes de données. Pour faire face à ces nouveaux enjeux, de nouveaux processus et méthodes doivent être développés afin d’exploiter au mieux l’ensemble des données disponibles. L’objectif de cette thèse est d’explorer la piste qui consiste à concevoir une version scalable de ces méthodes classiques. Cette piste s’appuie sur la distribution des traitements et des données pou raugmenter la capacité des approches sans nuire à leurs précisions.Notre contribution se compose de deux parties proposant chacune une nouvelle approche d’apprentissage pour le traitement massif de données. Ces deux contributions s’inscrivent dans le domaine de l’apprentissage prédictif supervisé à partir des données volumineuses telles que la Régression Linéaire Multiple et les méthodes d’ensemble comme le Bagging.La première contribution nommée MLR-MR, concerne le passage à l’échelle de la Régression Linéaire Multiple à travers une distribution du traitement sur un cluster de machines. Le but est d’optimiser le processus du traitement ainsi que la charge du calcul induite, sans changer évidement le principe de calcul (factorisation QR) qui permet d’obtenir les mêmes coefficients issus de la méthode classique.La deuxième contribution proposée est appelée "Bagging MR_PR_D" (Bagging based Map Reduce with Distributed PRuning), elle implémente une approche scalable du Bagging,permettant un traitement distribué sur deux niveaux : l’apprentissage et l’élagage des modèles. Le but de cette dernière est de concevoir un algorithme performant et scalable sur toutes les phases de traitement (apprentissage et élagage) et garantir ainsi un large spectre d’applications.Ces deux approches ont été testées sur une variété de jeux de données associées àdes problèmes de régression. Le nombre d’observations est de plusieurs millions. Nos résultats expérimentaux démontrent l’efficacité et la rapidité de nos approches basées sur la distribution de traitement dans le Cloud Computing. / In recent years we have witnessed a tremendous growth in the volume of data generatedpartly due to the continuous development of information technologies. Managing theseamounts of data requires fundamental changes in the architecture of data managementsystems in order to adapt to large and complex data. Single-based machines have notthe required capacity to process such massive data which motivates the need for scalablesolutions.This thesis focuses on building scalable data management systems for treating largeamounts of data. Our objective is to study the scalability of supervised machine learningmethods in large-scale scenarios. In fact, in most of existing algorithms and datastructures,there is a trade-off between efficiency, complexity, scalability. To addressthese issues, we explore recent techniques for distributed learning in order to overcomethe limitations of current learning algorithms.Our contribution consists of two new machine learning approaches for large scale data.The first contribution tackles the problem of scalability of Multiple Linear Regressionin distributed environments, which permits to learn quickly from massive volumes ofexisting data using parallel computing and a divide and-conquer approach to providethe same coefficients like the classic approach.The second contribution introduces a new scalable approach for ensembles of modelswhich allows both learning and pruning be deployed in a distributed environment.Both approaches have been evaluated on a variety of datasets for regression rangingfrom some thousands to several millions of examples. The experimental results showthat the proposed approaches are competitive in terms of predictive performance while reducing significantly the time of training and prediction.

Deux méthodes de mise à l'échelle statistique sont évaluées sur une station située au Burkina Faso afin de générer une information climatique pertinente au niveau local, en terme de climat moyen et des principales caractéristiques de variabilité et d'extrême du régime de précipitation. Les deux méthodes de régression multi-linéaire SDSM et ASD analysées reposent sur le principe que des relations empiriques entre certaines variables atmosphériques à grande échelle issues des réanalyses ou des Modèles Climatiques globaux (MCGs), variables dénommées prédicteurs, et des paramètres climatiques locaux (ex. précipitation) peuvent être établies. En mode réanalyse, le travail a consisté, d'une part, à partir de variables synoptiques de NCEP, à analyser (i) l'intérêt d'utiliser une gamme plus vaste de prédicteurs dérivés et sur plus de niveaux verticaux dans l'atmosphère, et (ii) l'intérêt d'utiliser une sélection des prédicteurs sur une base mensuelle versus annuelle. D'autre part, en mode climat, à partir de variables synoptiques issues de deux MCGs (CGCM2 et HadCM3), l'évaluation a porté sur l'utilisation de ces modèles climatiques mondiaux afin de générer une information climatique plausible et utile à l'échelle locale dans le but ultime de générer des scénarios climatiques pertinents pour les études d'impacts en milieu sahélien. En mode réanalyse, le fait de considérer un plus vaste ensemble de prédicteurs et plus de niveaux atmosphériques, a permis de réduire les biais de l'ensemble des critères statistiques/climatiques comme la moyenne quotidienne, la variabilité intra-saisonnière, les indices d'intensité et d'extrêmes, et l'indice des dates de début, de fin et de longueur de mousson. De plus, avec cette nouvelle configuration, les deux modèles de mise à l'échelle sont en mesure de reconstruire une partie des changements observés dans le régime de précipitation (i.e. diminution de la quantité totale de pluie et de la fréquence du nombre d'événements pluvieux). Si dans la majorité des cas ASD performe mieux que SDSM avec un choix restreint de prédicteurs, les différences entre les modèles diminuent en utilisant un plus grand choix de prédicteurs, et en sélectionnant ceux-ci sur une base mensuelle. Dans ce dernier cas, les incertitudes sur la valeur médiane et la moyenne des indices de précipitation, notamment au coeur de la saison pluvieuse et à la fin de celle-ci, sont réduites par rapport aux autres simulations. Avec les prédicteurs des MCGs, notamment le modèle HadCM3, la simulation de l'ensemble des indices est systématiquement améliorée par rapport aux valeurs équivalentes issues des variables brutes des MCGs, aussi bien avec SDSM que ASD, notamment l'occurrence des jours de pluie, la variabilité intra-saisonnière, les indices d'intensité et d'extrêmes. Par contre l'utilisation des prédicteurs CGCM2 dans la mise à l'échelle statistique ne permet pas d'améliorer systématiquement tous les indices analysés par rapport aux données brutes de ce MCG. Quoi qu'il en soit, notre étude a permis de montrer qu'avec des prédicteurs relativement bien reproduits à grande échelle par les modèles globaux, les distributions quotidiennes de précipitation étaient plus plausibles à l'échelle locale, en dépit des difficultés à simuler adéquatement les extrêmes (i.e. largement surestimés surtout avec le CGCM2). Dans l'avenir, d'autres analyses devront inclure des prédicteurs des modèles globaux ou régionaux, telles que suggérés avec les réanalyses NCEP (i.e. autres niveaux, variables et résolution temporelle), ainsi qu'à l'aide d'autres méthodes non-linéaires en lien avec les particularités physiques à l'échelle régionale et locale. Ceci contribuera ultimement à générer des scénarios plus plausibles à ces échelles, d'autant que la mousson Ouest Africaine est influencée naturellement par des téléconnections variées à l'échelle globale et régionale. L'usage de cette information climatique pour des applications locales pourrait ainsi être amélioré, en lien avec les besoins des études d'impacts et de vulnérabilité dans le domaine agropastoral, humain et de la modélisation environnementale. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : ASD, SDSM, NCEP, MCG, Variabilité interannuelle, Mousson ouest africaine, Prédicteurs, Indices de précipitations, Mise à l'échelle statistique.

Dans une turbine hydraulique, la rotation des aubes dans l’eau crée une zone de basse pression, amenant l’eau à passer de l’état liquide à l’état gazeux. Ce phénomène de changement de phase est appelé cavitation et est similaire à l’ébullition. Lorsque les cavités de vapeur formées implosent près des parois, il en résulte une érosion sévère des matériaux, accélérant de façon importante la dégradation de la turbine. Un système de détection de l’érosion de cavitation à l’aide de mesures vibratoires, employable sur les turbines en opération, a donc été installé sur quatre groupes turbine-alternateur d’une centrale et permet d’estimer précisément le taux d’érosion en kg/ 10 000 h. Le présent projet vise à répondre à deux objectifs principaux. Premièrement, étudier le comportement de la cavitation sur un groupe turbine-alternateur cible et construire un modèle statistique, dans le but de prédire la variable cavitation en fonction des variables opératoires (tels l’ouverture de vannage, le débit, les niveaux amont et aval, etc.). Deuxièmement, élaborer une méthodologie permettant la reproductibilité de l’étude à d’autres sites. Une étude rétrospective sera effectuée et on se concentrera sur les données disponibles depuis la mise à jour du système en 2010. Des résultats préliminaires ont mis en évidence l’hétérogénéité du comportement de cavitation ainsi que des changements entre la relation entre la cavitation et diverses variables opératoires. Nous nous proposons de développer un modèle probabiliste adapté, en utilisant notamment le regroupement hiérarchique et des modèles de régression linéaire multiple. / Cavitation erosion which results from repeated collapse of transient vapor cavities on solid surfaces is a constant problematic in hydraulic turbine runners and continues to enforce costly repair and loss of revenues. A vibratory detection system of cavitation erosion was installed 10 years ago for continuous monitoring of 4 hydropower units. A new hardware version of the system was developed and installed in 2010. This new system configuration is more reliable and allows more accurate evaluation of the cavitation erosion of the runners in kg/10 000 h. The first objective of this study is to investigate cavitation behavior upon one generating unit and to build a statistical model which will allow prediction of instant cavitation related to operating variables, such as gate opening, water flow, headwater level, tailwater levels, etc. The second objective is to develop a methodology for the reproducibility of the studies to other sites. A retrospective study will be conducted and we will mainly focus on data available since the system update in 2010. The preliminary analysis enhanced the complexity of the phenomenon. Indeed, changes in the relationship between cavitation and various operating variables were observed and could be due to a seasonal behavior or different operating conditions. Using hierarchical clustering and regression models, we formalize this heterogeneity by developing a model which includes operating variables such as active power, tailwater level and gate opening.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Dans un contexte de mobilité durable, le vélo en libre-service (VLS) représente un élément important dans les politiques de mobilité urbaine pour favoriser les modes doux dans le centre urbain. Son développement rapide dans le monde nécessite des recherches pour mieux comprendre le succès de ce mode de déplacement. Notre contribution à travers cette recherche est d’analyser les éléments socio-économiques importants ainsi que les caractéristiques du système VLS qui influent son usage pour construire des modèles de prédiction de la demande en VLS. Partant de l’hypothèse que les éléments socio-économiques autour des stations de VLS constituent des facteurs qualitativement et quantitativement explicatifs pour l’usage du VLS, notre démarche de recherche repose d’abord sur une analyse statistique, temporelle et spatiale des éléments explicatifs du système VLS pour ensuite les quantifier. Ces éléments sont utilisés pour modéliser la génération de la demande journalière en VLS par la méthode de régression linéaire multiple. Les modèles estimant les flux entrants et sortants journaliers en VLS ont été développés. Ils sont basés sur l’environnement socio-économique autour des stations et des variables d’offre de VLS. Ces modèles sont utiles pour comprendre le fonctionnement du système VLS, l’améliorer et estimer la demande des nouvelles stations dans une perspective d’élargissement d’un système VLS existant. Les modèles développés peuvent être également utilisés pour la localisation et le dimensionnement des stations d’un nouveau système VLS. La démarche de détermination, de quantification des variables explicatives et de modélisation forment un cadre de travail pour modéliser la demande d’autres modes de déplacement partagés. / In a context of sustainable transport, the bike sharing is an important factor in the policies to promote soft modes of transport in the urban center. Its rapid development in the world requires a need to deepen the usage of this mode of travel. Our contribution through this research is to analyze the important built-environment factors and the characteristics of bike sharing system that influence the use of bike sharing in order to build predictive models of demand for bike sharing. Assuming that socio-economic elements around the bike sharing stations are qualitatively and quantitatively explanatory for the use of bike sharing, our approach are based primarily on statistical analysis of temporal and spatial elements explaining bike sharing usage in order to determine and quantify the important built-environment variables. These variables are then used to model the generation of the daily demand of bike sharing using multiple linear regression method. The models estimating inflows and outflows of bike sharing using socioeconomic variables determined in a buffer area of each station are built. These models are useful for estimating the demand for new stations in an enlargement perspective of an existing bike sharing system or location and sizing of a new bike sharing system. The similar process of determination, quantification of the explanatory variables and modelling can be used to form a framework to predict the demand of other vehicle sharing systems.

Dans un contexte où la consommation de viande bovine est en constante diminution, en partie à cause de sa composition lipidique, il apparaît important pour l'ensemble de la filière de pouvoir communiquer sur l’intérêt nutritionnel de cette viande et plus particulièrement sur sa composition en acides gras (AG). Pour que cette communication soit « efficiente » à tous les niveaux de la filière, il faut disposer de moyens analytiques fiables mais aussi faciles de mise en œuvre et de surcroît peu coûteux. La méthode analytique que nous avons choisi de tester est la spectrométrie proche infrarouge (SPIR) qui présente l’avantage d’être peu coûteuse, peu invasive et qui pourrait ainsi être utilisée à grande échelle et en routine en abattoir. Nous avons montré que la SPIR est performante pour déterminer les teneurs en AG saturés (AGS) et monoinsaturés (AGMI) (R2>0,9). Dans les meilleures conditions pour la prédiction des AGPI (échantillons comportant des teneurs élevées en AGPI et/ou une grande variabilité), les performances de prédiction restent encore insuffisantes (R2 <0,75). Pour pallier cette faiblesse de la SPIR, des équations de prédiction indirectes des AGPI ont été mises en place à partir des teneurs en AGS et AGMI, teneurs correctement déterminées par SPIR, et les informations disponibles en abattoir. Ces équations élaborées par régression linéaire multiple ont permis de prédire correctement les AGPI totaux et les AGPI n-6 (R2 >0,8). Elles restent perfectibles pour la détermination des AGPI n-3 totaux (R2=0,64) mais surtout pour le 18:3 n-3, le 20:5 n-3 et le 22:6 n-3 (R2 <0,55). L’objectif final de ce travail étant d'utiliser les équations en complément des mesures réalisées par SPIR à des fins industrielles afin de déterminer rapidement la composition en AG de la viande bovine, des études complémentaires seront nécessaires pour tester l'ensemble de notre démarche associant SPIR et équations de prédiction. / In a context where the consumption of beef is declining in part because of its lipid composition, an opportunity to revive the beef industry is to communicate with consumers on nutritional quality of beef, especially its fatty acids (FA) composition. To ensure this communication is “efficient” at all levels of the industry, we must have reliable analytical resources but also easy to implement and also inexpensive. The analytical method proposed for determining the beef FA composition is the near-infrared spectroscopy (NIRS) which is inexpensive, minimally invasive and could thus be widely used in routine in slaughterhouse. We showed that NIRS was effective to determine the concentrations of saturated (SFA) and monounsaturated (MUFA) FA (R2> 0.9). Under the best conditions for the prediction of PUFA (samples containing high levels of PUFA and / or with a high variability), PUFA predictions were still not enough (R2 <0.75). So, to overcome this weakness of NIRS, indirect prediction equations of PUFA were performed from the SFA and MUFA contents correctly determined by NIRS and information available in slaughterhouses. These equations, developed by multiple linear regression, were used to correctly predict total and n-6 PUFA (R2> 0.8). These equations are still to be improved for the determination of the total n-3 PUFA (R2 = 0.64) and of the 18:3 n-3, the 20:5 n-3 and the 22:6 n-3 (R2 <0.55). Given that the ultimate aim of this research is to use the equations as a complementary tool in tandem with NIRS measurements to serve industry as a way to rapidly determine the FA content of beef, further studies will be needed to trial and test our novel coupled NIRS–prediction equations approach.

Deux méthodes d’assistance opératoire, pour le positionnement du composant glénoïdien d’une prothèse d’épaule, sont explorées. Elles ont pour dénominateur commun une reconstruction 3D première de la glène pathologique à implanter. Une approche essentiellement clinique, avec des travaux d’application pratique, est proposée pour la technologie des Patients Specific Implants (PSI), dont l’utilisation en orthopédie est croissante. Une approche davantage technologique est ensuite proposée, de type Réalité Augmentée, jusqu’à maintenant encore inexploitée dans le champ de la chirurgie orthopédique. La faisabilité de cette approche, les conditions d’emploi des technologies inhérentes, ont été étudiées. En amont, un nouveau type d’information pour implémenter, sur le support connecté (lunettes électroniques), l’application de réalité, est proposé, avec la modélisation mathématique par régression linéaire multiple d’une glène normale. L’objectif secondaire est d’obtenir une banque de données dites de glènes génériques normales, pouvant servir de référence à la reconstitution d’une glène pathologique à traiter, après un processus de morphing. / In this thesis, two methods of operating assistance for the positioning of the glenoid component of a shoulder prosthesis, are addressed. They have in common a preliminary 3D reconstruction of the pathological glenoid to implant. A main clinical approach, with practice studies, is proposed for the Patient Specific Implants technology, which is currently used in orthopaedics. Then a main prospective and technological approach is proposed with the Augmented Reality, while it is so far untapped in the field of orthopaedic surgery. The feasibility of this last technology, as well as the tools and the manual for its use, were studied. Upstream, a new type of information to implement the augmented reality connected application support is offered, with mathematical modeling by multiple linear regression of a normal glenoid. The second goal is to build a normal generic glenoids database. It can be used as reference to the reconstruction of a pathological glenoid to treat, after a morphing process step.

L’omniprésence de l’intelligence artificielle (IA) est indéniable, que ce soit dans son utilisation de tous les jours jusqu’à son utilisation dans divers domaines comme la médecine ou le service à la clientèle. Cette technologie fera sans aucun doute partie intégrante de la vie de chaque individu dans un futur rapproché. Par conséquent, il est aussi indéniable de penser que ces technologies feront éventuellement partie intégrante du domaine de la criminologie, que ce soit par le biais de la police prédictive, d’algorithmes d’aide à la décision en termes de récidive, de l’utilisation de la reconnaissance faciale dans les tâches policières ou peut-être de l’accompagnement aux citoyens dans les processus judiciaires. En conséquence, il est important de comprendre comment les individus faisant partie du domaine perçoivent l’intelligence artificielle afin de mieux comprendre comment les individus percevront l’IA lors de l’implantation potentielle d’une telle technologie. Cette étude vise donc à mettre en lumière l’effet des facteurs sociodémographiques, des perceptions de l’intelligence artificielle en général ainsi que des facteurs reliés aux types de personnalités en relation avec le fait d’attribuer des caractéristiques humaines à l’IA. Pour y arriver, des données ont été colligées à l’aide d’un questionnaire en ligne posant des questions notamment sur les facteurs sociodémographiques, les différents aspects de la personnalité ainsi que sur l’utilisation et les perceptions générales des technologies d’intelligence artificielle. Les résultats ont permis de souligner que les facteurs sociodémographiques tels que le genre et le domaine d'activité professionnelle, soit de travailler dans la police, sont corrélés à l’échelle Attribution de caractéristiques humaines à l’IA (ACHIA). En effet, le genre est associé à une corrélation positive faible indiquant que le fait d’être un homme a une légère influence sur l’échelle ACHIA. Ensuite, le fait de travailler dans la police est inversement corrélé signifiant que ceux travaillant dans la police peuvent avoir une légère tendance à répondre en défaveur de l’échelle ACHIA. En revanche, les traits de personnalité n'ont pas montré d'effet significatif sur cette perception, ce qui permet de mettre en lumière que certaines recherches supplémentaires sont nécessaires pour approfondir cette relation complexe. De plus, l’analyse de régression linéaire multiple a permis d’obtenir un modèle de prédiction de l’attribution de caractéristiques humaines à l’IA. Le modèle de prédiction de l’ACHIA est présenté dans le tableau 9 du chapitre résultats. Ce modèle a permis de faire ressortir que seules les variables « Bonnes connaissances par rapport à l’intelligence artificielle » et « IA a le potentiel de remplacer les tâches professionnelles » sont capable de prédire le fait d’attribuer des caractéristiques humaines à l’IA. Ainsi, plus une personne a de bonnes connaissances par rapport à l’intelligence artificielle, plus celle-ci aura tendance à attribuer des caractéristiques humaines à l’intelligence artificielle. De même, plus une personne pense que l’IA a le potentiel de remplacer ses tâches professionnelles, plus celle-ci attribuera des caractéristiques humaines à l’IA. Enfin, la recherche sur l’attribution de caractéristiques humaines à l’intelligence artificielle devrait être explorée davantage dans le futur afin d’approfondir notre compréhension de la relation complexe entre les humains et cette technologie émergente. / The omnipresence of artificial intelligence (AI) is undeniable, whether in its everyday use or in various fields such as medicine or customer service. This technology will undoubtedly become an integral part of every individual's life in the near future. Therefore, it is also undeniable to think that these technologies will eventually become an integral part of the field of criminology, whether through predictive policing, decision-making algorithms regarding recidivism, the use of facial recognition in police tasks, or perhaps assisting citizens in judicial processes. Consequently, it is important to understand how individuals in the field perceive artificial intelligence to better understand how individuals will perceive AI during the potential implementation of such technology. This study aims to shed light on the effect of sociodemographic factors, perceptions of artificial intelligence in general, and personality-related factors in relation to attributing human characteristics to AI. To achieve this, data was collected using an online questionnaire, posing questions on sociodemographic factors, different aspects of personality, as well as the use and perceptions of artificial intelligence technologies. The results emphasized that sociodemographic factors such as gender and professional field, specifically working in the police, are correlated with the Attribution of Human-like Characteristics to AI (ACHIA) scale. Indeed, gender is associated with a weak positive correlation indicating that being a man slightly influences the ACHIA scale. Furthermore, working in the police is inversely correlated, meaning that those working in the police may have a slight tendency to respond unfavorably to the ACHIA scale. On the other hand, personality traits did not show a significant effect on this perception, highlighting the need for further research to deepen this complex relationship. Additionally, multiple linear regression analysis yielded a prediction model for attributing human characteristics to AI. The ACHIA prediction model is presented in Table 9 of the results chapter. This model revealed that only the variables "Good knowledge of artificial intelligence" and "AI has the potential to replace professional tasks" are capable of predicting the attribution of human characteristics to AI. Thus, the more a person has good knowledge of artificial intelligence, the more likely they are to attribute human characteristics to artificial intelligence. Similarly, the more a person thinks that AI has the potential to replace their professional tasks, the more they will attribute human characteristics to AI. Finally, research on attributing human characteristics to artificial intelligence should be further explored in the future to deepen our understanding of the complex relationship between humans and this emerging technology.