This dissertation is concerned with (i) how to model an agricultural market, (ii) how to analyze the impacts of a certain event (i.e. animal disease outbreak) on the market, and (iii) what are the relationships between different markets. The research on the first two issues will focus on the US beef market, and the impact of the bovine spongiform encephalopathy (BSE) outbreak (Dec. 2003) on the US beef market will be analyzed. For the third issue, a multinational meat market will be considered, which includes three countries (Korea, US, and UK) and three meat products (beef, pork, and poultry). Their market movements will be compared, considering the impacts of the major animal disease outbreaks: BSE, foot and mouth disease (FMD), and avian influenza (AI). Based on the properties of an agricultural product (longer cycle of production and perishability) and the extensive empirical results, it is concluded that a recursive model is appropriate for modeling an agricultural market. A variety of structural change tests are applied to reveal that the change due to the BSE event still lies in an allowable range of the prediction error. For the comparisons between market movements, some multivariate statistical methods such as canonical correlation analysis (CCA) and principal component analysis (PCA) are used, and the main finding is that the knowledge about the threat of BSE to human health played an important role in changing people's attitude towards an animal disease event.

No description available.

Afin d'analyser les données in vitro de l'effet de l'erlotinib sur la croissance des cellules A431 suivie par impédance-métrie, nous avons développé un modèle pharmacocinétique - pharmacodynamique non linéaire décrivant simultanément la diminution de la concentration d'erlotinib et son effet sur la croissance cellulaire au cours du temps. La non-linéarité du modèle imposant le recours à des méthodes itératives pour l'estimation des paramètres, plusieurs étapes de la procédure d'identification du modèle ont été étudiées et des solutions proposées, avec des exemples d'application à des molécules utilisées en oncologie:Choix du critère d'optimisation à employer - supériorité de la relation fonctionnelle de la moyenne géométrique pour l'identification de modèles non linéaires. Application données réelles: courbe de calibration d'une expérience de dosage ELISA du bevacizumab. Choix de l'algorithme d'optimisation le plus approprié au problème d'identification du processus pharmacocinétique. Les algorithmes dérivatifs sont les plus performants. Application données réelles: estimation simultanée des paramètres du modèle pharmacocinétique du 5-fluorouracile et de son métabolite principal.Transformation de la forme différentielle initiale du modèle en temps continu vers un modèle récursif en temps discret. Par ce moyen le modèle devient linéaire en ses paramètres, ce qui permet d'estimer directement les paramètres sans utiliser d'algorithme d'optimisation. Il devient également possible de suivre les variations des paramètres au cours du temps. Application données réelles: pharmacocinétique de la fotemustine, de la mitoxantrone et du 5-fluorouracile. / A nonlinear pharmacokinetic-pharmacodynamic model has been devised do simultaneously describe the loss of erlotinib and its effect on the cell growth over time, in order to analyze impedance-based data of erlotinib effect on A431 cells growth in vitro over time. The model non-linearity requiring the use of iterative methods for parameter estimation, several steps of the model identification were studied, and solutions proposed, with application examples to cancer drugs :Choice of the optimization criterion - superiotity of the geometric mean functionnal relationship for non-linear model identification. Real data application : calibration curve of a bevacizumab ELISA quantification experiment.Choice of the most appropriate algorithm for the pharmacokinetic process identification problem. The derivative algorithms perform better. Real data application : simultaneous identification of the 5-fluorouracil and of its main metabolite pharmacokinetic system.Transform of the differential initial continuous-time model in a recursive discrete time model. The transformed model becomes linear with respect to its parameters, allowing straightforward parameter estimation without using any optimization algorithm. It is then also possible to track the parameter variations over time. Real data application : pharmacokinetic model parameter estimation of fotemustine, mitoxantrone and 5-fluorouracil.