ENSAI - CREST
https://marieetienne.github.io/statspat
2026-11-12
$$
$$
Ce cours est construit principalement à partir de celui de Liliane Bel et des livres de Gaetan et al. (2010) et Cressie (2015).
Un processus stochastique est une famille de variables aléatoires indexée par un ensemble \(D\) : \[\{Z(s), \; s \in D\}\]
une carte.
La loi du champ est caractérisée par ses lois fini-dimensionnelles : celles de \((Z(s_1), \ldots, Z(s_n))\) pour tous \(n\) et tous \(s_1, \ldots, s_n\).
Champ gaussien : toutes ces lois sont gaussiennes, donc la loi est entièrement déterminée par la moyenne \(\mu(s)\) et la covariance \(c(s, s')\).
En statistique spatiale, on n’observe en général qu’une seule réalisation, et seulement en quelques sites (points noirs).
On observe \(z(s_1), \ldots, z(s_n)\) aux sites \(s_1, \ldots, s_n\) d’un domaine \(D\) et on veut :
La température en France
Pluies en Suisse : \(n = 100\) stations, on veut une carte de la pluie sur tout le territoire (voir le TD).
Interpolateur par inverse de la distance : \[\widehat{Z}(s_0) = \sum_{i=1}^n \lambda_i Z(s_i), \qquad \lambda_i \propto \frac{1}{\|s_0 - s_i\|^p}\]
Idée du krigeage : choisir les poids à partir d’un modèle de la dépendance spatiale.
On modélise \(Z\) comme un champ aléatoire du second ordre :
Dans ce cours : on suppose la moyenne et la covariance connues. La question de leur estimation est repoussée à la fin.
Note
Les formules du krigeage ne font intervenir que \(\boldsymbol{\Sigma}\), \(\boldsymbol{c_0}\) et \(\sigma_0^2\), quelle que soit la forme de la covariance \(c(s, s')\).
Une covariance qui décroît avec la distance entre les sites : \[c(s, s') = \sigma^2 \exp\left(-\|s - s'\|/\rho\right) \; + \; \tau^2 \mathbb{1}_{s = s'}\]
On note \(C(h) = \sigma^2 e^{-h/\rho}\) (+ \(\tau^2\) si \(h = 0\)), de sorte que \(c(s, s') = C(\|s - s'\|)\) : la covariance ne dépend que de la distance. Ce choix n’est pas anodin, on y reviendra.
\[\begin{pmatrix} Z(s_0) \\ \mathbf{Z} \end{pmatrix} \sim \mathcal{N}\left( \begin{pmatrix} \mu \\ \mu \mathbf{1}\end{pmatrix}, \begin{pmatrix} \sigma_0^2 & \boldsymbol{c_0}^T \\ \boldsymbol{c_0} & \boldsymbol{\Sigma} \end{pmatrix} \right)\]
Quelle est la loi de \(Z(s_0)\) sachant \(\mathbf{Z} = \mathbf{z}\) ?
\[Z(s_0) \mid \mathbf{Z} = \mathbf{z} \sim \mathcal{N}\left( \mu + \boldsymbol{c_0}^T \boldsymbol{\Sigma}^{-1} (\mathbf{z} - \mu \mathbf{1}), \; \sigma_0^2 - \boldsymbol{c_0}^T \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0} \right)\]
Prédicteur de krigeage simple \[\widehat{Z}_{KS}(s_0) = {\mathbb{E}}(Z(s_0) \mid \mathbf{Z}) = \mu + \boldsymbol{c_0}^T \boldsymbol{\Sigma}^{-1} (\mathbf{Z} - \mu \mathbf{1})\]
Variance de krigeage \[\sigma^2_{KS}(s_0) = {\mathbb{V}\text{ar}}(Z(s_0) \mid \mathbf{Z}) = \sigma_0^2 - \boldsymbol{c_0}^T \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0}\]
Bonus du cadre gaussien : on a la loi prédictive complète, donc des intervalles de prédiction \(\widehat{Z}_{KS}(s_0) \pm 1.96\, \sigma_{KS}(s_0)\), et toute quantité \(P(Z(s_0) > \zeta \mid \mathbf{Z})\).
\[\widehat{Z}_{KS}(s_0) = \mu + \sum_{i=1}^n \lambda_i (Z(s_i) - \mu), \qquad \boldsymbol{\lambda} = \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0}\]
On observe un seul site \(s_1\). On note \(r = C(\|s_0 - s_1\|) / C(0)\) la corrélation entre \(Z(s_0)\) et \(Z(s_1)\).
\[\widehat{Z}_{KS}(s_0) = \mu + r\, (Z(s_1) - \mu), \qquad \sigma^2_{KS}(s_0) = C(0)\,(1 - r^2)\]
On se place en 1D : \(s_0 = 0\), \(s_1 = 1\), \(s_2 = 2\), \(\mu = 0\).
Calculer les poids \(\lambda_1, \lambda_2\) pour
Note
Contrairement à l’inverse de la distance, on n’a pas forcément \(0 \le \lambda_i \le 1\) : le prédicteur peut sortir de l’intervalle des valeurs observées.
On ne suppose plus que \(Z\) est gaussien. Seuls les deux premiers moments sont connus.
On cherche un prédicteur linéaire \(\widehat{Z}(s_0) = \alpha + \boldsymbol{\lambda}^T \mathbf{Z}\) qui minimise le risque quadratique \[R(\alpha, \boldsymbol{\lambda}) = {\mathbb{E}}\left[ (Z(s_0) - \alpha - \boldsymbol{\lambda}^T \mathbf{Z})^2 \right].\]
\[\boldsymbol{\lambda} = \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0}, \qquad \alpha = \mu (1 - \boldsymbol{\lambda}^T \mathbf{1})\]
On retrouve exactement le même prédicteur et la même variance d’erreur : \[\widehat{Z}_{KS}(s_0) = \mu + \boldsymbol{c_0}^T \boldsymbol{\Sigma}^{-1} (\mathbf{Z} - \mu \mathbf{1}), \qquad {\mathbb{E}}\left[(Z(s_0) - \widehat{Z}_{KS}(s_0))^2\right] = \sigma_0^2 - \boldsymbol{c_0}^T \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0}\]
| Cas gaussien | Second ordre seulement | |
|---|---|---|
| Prédicteur | \(\widehat{Z}_{KS}(s_0)\) | \(\widehat{Z}_{KS}(s_0)\) |
| Optimal parmi | tous les prédicteurs | les prédicteurs linéaires |
| \(\sigma^2_{KS}(s_0)\) est | la variance conditionnelle | l’erreur quadratique moyenne |
| Intervalle \(\pm 1.96\,\sigma_{KS}\) | exact | approximatif |
| \(P(Z(s_0) > \zeta \mid \mathbf{Z})\) | disponible | non disponible |
À retenir : l’hypothèse gaussienne ne change pas la formule, elle change ce qu’on peut en dire.
Loin des données (à l’échelle de la portée) : \(\widehat{Z}(s_0) \to \mu\) et \(\sigma^2_{KS}(s_0) \to C(0)\).
\[\sigma^2_{KS}(s_0) = \sigma_0^2 - \boldsymbol{c_0}^T \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0}\]
ne dépend que :
On suppose maintenant \(\mu\) inconnue (constante), \(C\) connue.
On cherche \(\widehat{Z}(s_0) = \boldsymbol{\lambda}^T \mathbf{Z}\) :
Résoudre ce problème par la méthode du multiplicateur de Lagrange.
\[\boldsymbol{\lambda}_{KO} = \boldsymbol{\Sigma}^{-1} (\boldsymbol{c_0} + m \mathbf{1}), \qquad m = \frac{1 - \mathbf{1}^T \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0}}{\mathbf{1}^T \boldsymbol{\Sigma}^{-1} \mathbf{1}}\]
Avec \(\widehat{\mu} = \dfrac{\mathbf{1}^T \boldsymbol{\Sigma}^{-1} \mathbf{Z}}{\mathbf{1}^T \boldsymbol{\Sigma}^{-1} \mathbf{1}}\) l’estimateur des moindres carrés généralisés de \(\mu\) (c’est aussi le meilleur estimateur linéaire sans biais, BLUE) : \[\widehat{Z}_{KO}(s_0) = \widehat{\mu} + \boldsymbol{c_0}^T \boldsymbol{\Sigma}^{-1} (\mathbf{Z} - \widehat{\mu} \mathbf{1})\]
Krigeage ordinaire = krigeage simple dans lequel on remplace \(\mu\) par son estimateur BLUE.
\[\sigma^2_{KO}(s_0) = \underbrace{\sigma_0^2 - \boldsymbol{c_0}^T \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0}}_{\sigma^2_{KS}(s_0)} + \underbrace{\frac{(1 - \mathbf{1}^T \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0})^2}{\mathbf{1}^T \boldsymbol{\Sigma}^{-1} \mathbf{1}}}_{\text{coût de l'estimation de } \mu}\]
Le second terme de \(\sigma^2_{KO}\) fait apparaître \({\mathbb{V}\text{ar}}(\widehat{\mu}) = 1 / (\mathbf{1}^T \boldsymbol{\Sigma}^{-1} \mathbf{1})\).
Que se passe-t-il quand on ajoute des stations dans le même domaine ?
La dépendance spatiale est un handicap pour estimer la moyenne et un atout pour prédire.
On suppose maintenant \[Z(s) = X(s)^T \beta + \varepsilon(s), \qquad {\mathbb{E}}(\varepsilon(s)) = 0, \quad {\mathbb{C}\text{ov}}(\varepsilon(s), \varepsilon(s')) = c(s, s') \text{ connue},\] avec \(X(s) \in {\mathbb{R}}^p\) connu en tout site (y compris \(s_0\)) et \(\beta\) inconnu.
\(\mathbf{X}\) : matrice \(n \times p\) des covariables aux sites observés, \(X_0 = X(s_0)\).
On cherche \(\widehat{Z}(s_0) = \boldsymbol{\lambda}^T \mathbf{Z}\) :
\[\mathbf{m} = (\mathbf{X}^T \boldsymbol{\Sigma}^{-1} \mathbf{X})^{-1} (X_0 - \mathbf{X}^T \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0})\]
Avec \(\widehat{\beta} = (\mathbf{X}^T \boldsymbol{\Sigma}^{-1} \mathbf{X})^{-1} \mathbf{X}^T \boldsymbol{\Sigma}^{-1} \mathbf{Z}\) l’estimateur des moindres carrés généralisés : \[\widehat{Z}_{KU}(s_0) = \underbrace{X_0^T \widehat{\beta}}_{\text{tendance}} + \underbrace{\boldsymbol{c_0}^T \boldsymbol{\Sigma}^{-1} (\mathbf{Z} - \mathbf{X} \widehat{\beta})}_{\text{krigeage simple des résidus}}\]
\[\sigma^2_{KU}(s_0) = \sigma^2_{KS}(s_0) + \underbrace{\left( X_0 - \mathbf{X}^T \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0} \right)^T \left( \mathbf{X}^T \boldsymbol{\Sigma}^{-1} \mathbf{X} \right)^{-1} \left( X_0 - \mathbf{X}^T \boldsymbol{\Sigma}^{-1} \boldsymbol{c_0} \right)}_{\text{coût de l'estimation de } \beta}\]
Loin des données, le krigeage universel suit la tendance, avec une incertitude croissante (extrapolation de \(\widehat\beta\)).
gstat),En pratique, ni \(\mu\) ni la covariance ne sont connues.
\(Z\) est un processus du second ordre si \(\forall s \in D, \; {\mathbb{E}}(Z(s)^2) < \infty\), de moyenne \(m(s) = {\mathbb{E}}(Z(s))\) et de covariance \(c(s, t) = {\mathbb{C}\text{ov}}(Z(s), Z(t))\).
\[\forall n, \; \forall s_1, \ldots, s_n \in D, \; \forall a \in {\mathbb{R}}^n, \quad \sum_{i,j=1}^n a_i a_j \, c(s_i, s_j) \geq 0\]
Idée de preuve : regarder \({\mathbb{V}\text{ar}}\left(\sum_{i=1}^n a_i Z(s_i)\right)\).
Note
C’est ce qui garantit que les variances de krigeage sont positives et que \(\boldsymbol{\Sigma}\) est inversible (si définie positive). On ne peut donc pas choisir n’importe quelle fonction : on travaille avec des familles de covariances valides.
Un processus du second ordre \(Z\) est stationnaire sur \(D \subset {\mathbb{R}}^d\) si
Le processus est isotrope si \(C(h)\) ne dépend que de \(\|h\|\) : \(C(h) = C(\|h\|)\).
Conséquence : toutes les paires de sites séparées par \(h\) renseignent sur la même quantité \(C(h)\). C’est le choix fait dans les illustrations précédentes.
\(Z\) est à accroissements stationnaires (ou intrinsèque) si \[{\mathbb{E}}(Z(s + h) - Z(s)) = 0, \qquad {\mathbb{V}\text{ar}}(Z(s + h) - Z(s)) = 2\gamma(h).\]
Que dire du mouvement brownien sur \({\mathbb{R}}\) ?
\({\mathbb{V}\text{ar}}(B(t)) = t\) : il n’est pas stationnaire. Mais \({\mathbb{V}\text{ar}}(B(t + h) - B(t)) = |h|\) : il est intrinsèque, avec \(\gamma(h) = |h| / 2\).
Le semi-variogramme d’un processus intrinsèque est \[\gamma(h) = \frac{1}{2} {\mathbb{V}\text{ar}}(Z(s + h) - Z(s)) = \frac{1}{2} {\mathbb{E}}\left[(Z(s + h) - Z(s))^2\right].\]
on peut l’estimer sans estimer \(\mu\).
\[C(h) = \sigma^2 \frac{2^{1 - \nu}}{\Gamma(\nu)} \left(\frac{\sqrt{2\nu}\, \|h\|}{\rho}\right)^{\nu} K_{\nu}\left(\frac{\sqrt{2\nu}\, \|h\|}{\rho}\right), \qquad \gamma(h) = \sigma^2 - C(h)\]
\(K_{\nu}\) : fonction de Bessel modifiée de seconde espèce, d’ordre \(\nu\).
\(\nu\) règle la régularité du processus (comportement du variogramme en 0) :
C’est la famille utilisée par défaut dans INLA (approche SPDE).
Sous stationnarité, on remplace \(C(h) = C(0) - \gamma(h)\) dans les formules.
Remarque : le krigeage ordinaire (contrainte \(\boldsymbol{\lambda}^T \mathbf{1}= 1\)) peut s’écrire uniquement avec \(\gamma\). Il reste donc valable pour des processus intrinsèques non stationnaires. C’est la présentation historique de Matheron.
Concentrations en zinc (ppm) dans les sols de la plaine inondable de la Meuse, 155 sites (package sp).
\[\gamma(h) = \frac{1}{2} {\mathbb{E}}\left[(Z(s + h) - Z(s))^2\right]\]
Pour chaque paire \((i, j)\), on représente \(\frac{1}{2}(Z(s_i) - Z(s_j))^2\) en fonction de \(\|s_i - s_j\|\).
On regroupe les paires par classes de distance \(d_k\) (de largeur \(\delta\)), avec \(N(k)\) l’ensemble des \(n_k\) paires de la classe \(k\) : \[\widetilde \gamma (d_k) = \frac{1}{2 n_k} \sum_{(i, j) \in N(k)} (Z(s_i) - Z(s_j))^2\]
L’option alpha = c(0, 45, 90, 135) donne des variogrammes directionnels, pour vérifier l’isotropie.
\[\widetilde \gamma (d_k) = \frac{\left\{\frac{1}{n_k} \sum_{(i, j) \in N(k)} |Z(s_i) - Z(s_j)|^{1/2}\right\}^4}{2\left(0.457 + \frac{0.494}{n_k}\right)}\]
Le variogramme empirique n’est pas un variogramme valide : on ajuste un modèle paramétrique \(\gamma_\theta\), avec \(\theta = (\sigma^2, \rho, \nu, \tau^2)\).
Moindres carrés pondérés \[\widehat\theta = \arg\min_{\theta} \sum_{k=1}^K w_k \left(\gamma_\theta(d_k) - \widetilde \gamma(d_k)\right)^2, \qquad w_k = \frac{n_k}{\gamma_\theta(d_k)^2} \text{ (Cressie)}\]
model psill range
1 Nug 0.05066522 0.0000
2 Sph 0.59061054 897.0412
Alternative : maximum de vraisemblance sous hypothèse gaussienne, qui utilise directement les données et non le variogramme empirique.
krige.cv).[using ordinary kriging]
gstatLe zinc décroît avec la distance à la Meuse : on l’utilise comme covariable (connue sur toute la grille meuse.grid).
[using universal kriging]
La covariable explique une partie de la variabilité : le palier des résidus est plus faible et l’incertitude diminue.
La carte de krigeage est plus lisse que la réalité : \({\mathbb{V}\text{ar}}(\widehat{Z}(s_0)) = \sigma_0^2 - \sigma^2_K(s_0) < \sigma_0^2\).
Elle donne la meilleure prédiction site par site, mais elle est mauvaise pour des quantités qui dépendent du champ dans son ensemble :
Pour une fonctionnelle non linéaire \(\varphi\) : \(\varphi(\widehat{Z}) \neq {\mathbb{E}}(\varphi(Z) \mid \mathbf{Z})\).
Idée : tirer des réalisations du champ sachant les observations et calculer \(\varphi\) sur chacune.
On veut simuler \(\mathbf{Z}_G = (Z(g_1), \ldots, Z(g_N))\) sur une grille, sachant \(\mathbf{Z}\). Comme pour le krigeage simple :
\[\mathbf{Z}_G \mid \mathbf{Z} \sim \mathcal{N}\left( \mu \mathbf{1}+ \mathbf{C}_{G}^T \boldsymbol{\Sigma}^{-1} (\mathbf{Z} - \mu \mathbf{1}), \; \boldsymbol{\Sigma}_{GG} - \mathbf{C}_{G}^T \boldsymbol{\Sigma}^{-1} \mathbf{C}_{G} \right)\]
avec \(\mathbf{C}_G\) la matrice \(n \times N\) des covariances entre sites observés et points de grille.
\(\mathbf{Z}_G = \widehat{Z}_G + \mathbf{L}\,\mathbf{U}\), avec \(\mathbf{L}\mathbf{L}^T\) la covariance conditionnelle (Cholesky) et \(\mathbf{U} \sim \mathcal{N}(0, I_N)\). Coût en \(O(N^3)\) : impossible sur une grande grille.
Propriété clé du cas gaussien : l’erreur de krigeage \(Z(s) - \widehat{Z}(s)\) est indépendante des données (non corrélée et gaussienne).
Montrer que \(Z_{cs}\) a la bonne loi conditionnelle et qu’elle interpole les données (sans pépite).
Les simulations passent par les données et ont la même rugosité que le vrai champ, contrairement au krigeage.
On cherche la proportion de \([0, 10]\) où \(Z(s) > 0.5\).
gstatkrige(..., nsim = ) utilise la simulation séquentielle gaussienne : on parcourt la grille dans un ordre aléatoire et on simule chaque point selon sa loi conditionnelle sachant les données et les points déjà simulés (dans un voisinage nmax).
drawing 4 GLS realisations of beta...
[using conditional Gaussian simulation]
Note
On estime la covariance, puis on l’injecte dans les formules comme si elle était connue.
Note
La variance de krigeage plug-in ne tient pas compte de l’incertitude sur \(\widehat{C}\) : elle sous-estime l’incertitude réelle. L’approche bayésienne (INLA) permet de propager cette incertitude.
Voir le TP sur les pluies en Suisse.