Validation des prédictions des processus ponctuels avec des règles de score adéquates

Résumé Nous introduisons une classe de règles de score adéquates pour évaluer les prévisions de processus ponctuels spatiaux basées sur des statistiques récapitulatives. Ces règles de score s'appuient sur des approximations de Monte Carlo des attentes et peuvent donc être facilement évaluées pour tout modèle de processus ponctuel pouvant être simulé. À cet égard, elles sont plus flexibles que le score logarithmique couramment utilisé et d'autres scores adéquats existants pour les prédictions de processus ponctuels. Les règles de score permettent d'évaluer la calibration d'un modèle à des aspects spécifiques d'un processus ponctuel, tels que sa distribution spatiale ou sa tendance à l'agglomération. À l'aide de simulations, nous analysons la sensibilité de nos règles de score à différents aspects des prévisions et les comparons au score logarithmique. Les applications aux occurrences de tremblements de terre dans le nord de la Californie, États-Unis, et à la distribution spatiale des sapins argentés du Pacifique dans la réserve de Findley Lake à Washington soulignent l'utilité de nos scores pour la sélection de modèles scientifiques.