Disaster risk reductionDisaster risk reduction (DRR) sometimes called disaster risk management (DRM) is a systematic approach to identifying, assessing and reducing the risks of disaster. It aims to reduce socio-economic vulnerabilities to disaster as well as dealing with the environmental and other hazards that trigger them.
CatastropheLe terme catastrophe désigne les effets dommageables d'un phénomène brutal, durable ou intense, d'origine naturelle ou humaine. Il vient du grec ancien , « bouleversement, ruine ». Les conséquences de la catastrophe – le fait catastrophique – sont dans la fracture de la continuité organisée et du confort acquis. On distingue tout particulièrement les situations incluant pertes humaines et destructions à grande échelle. La singularité et l'ampleur du désastre que provoquent les grandes catastrophes affectent les esprits des populations concernées.
Disaster responseDisaster response refers to the actions taken directly before, during or in the immediate aftermath of a disaster. The objective is to save lives, ensure health and safety and to meet the subsistence needs of the people affected. This includes warning/evacuation, search and rescue, providing immediate assistance, assessing damage, continuing assistance and the immediate restoration or construction of infrastructure (i.e. provisional storm drains or diversion dams).
Sampling errorIn statistics, sampling errors are incurred when the statistical characteristics of a population are estimated from a subset, or sample, of that population. It can produced biased results. Since the sample does not include all members of the population, statistics of the sample (often known as estimators), such as means and quartiles, generally differ from the statistics of the entire population (known as parameters). The difference between the sample statistic and population parameter is considered the sampling error.
Catastrophe naturellethumb|Éruption du Pinatubo aux Philippines (12 juin 1991). Une catastrophe naturelle est une catastrophe qui résulte d’un événement naturel : séisme, éruption volcanique, tsunami, mouvements de terrain, inondation, tempête, cyclone tropical, orages. Le Bureau des Nations unies pour la réduction des risques de catastrophe souligne que le changement climatique est le principal responsable du doublement des catastrophes naturelles en 20 ans. Les inondations et les tempêtes ont été les catastrophes les plus fréquentes au cours des décennies 2000 et 2010.
Élévation du niveau de la merL' est un phénomène observable au niveau mondial depuis le début du , qui résulte du réchauffement climatique. Le niveau moyen des océans augmente de entre 1901 et 2018, la moitié de cette hausse étant observée après 1980. Le rythme annuel, en 2020, est estimé à plus de par an. Les mesures sont effectuées principalement par deux moyens : les marégraphes, installations fixes à terre, et l'altimétrie satellitaire. Le niveau des océans est lié au climat et plus précisément à la température moyenne à la surface de la Terre.
Pluviomètrethumb|Deux parties d'un pluviomètre à lecture directe. À la gauche se trouve une éprouvette graduée surmontée d'un entonnoir, lesquels sont introduits dans le cylindre à la droite. À la droite du cylindre se trouve un tuyau métallique qui sert à évacuer le surplus de précipitations accumulées (ce tuyau est souvent raccordé à une conduite qui plonge dans la terre). Le pluviomètre est un instrument météorologique destiné à mesurer la quantité de précipitations (surtout la pluie) tombée pendant un intervalle de temps donné en un endroit.
Biais (statistique)En statistique ou en épidémiologie, un biais est une démarche ou un procédé qui engendre des erreurs dans les résultats d'une étude. Formellement, le biais de l'estimateur d'un paramètre est la différence entre la valeur de l'espérance de cet estimateur (qui est une variable aléatoire) et la valeur qu'il est censé estimer (définie et fixe). biais effet-centre biais de vérification (work-up biais) biais d'autosélection, estimé à 27 % des travaux d'écologie entre 1960 et 1984 par le professeur de biologie américain Stuart H.
Dilemme biais-varianceEn statistique et en apprentissage automatique, le dilemme (ou compromis) biais–variance est le problème de minimiser simultanément deux sources d'erreurs qui empêchent les algorithmes d'apprentissage supervisé de généraliser au-delà de leur échantillon d'apprentissage : Le biais est l'erreur provenant d’hypothèses erronées dans l'algorithme d'apprentissage. Un biais élevé peut être lié à un algorithme qui manque de relations pertinentes entre les données en entrée et les sorties prévues (sous-apprentissage).
Biais des survivantsLe biais des survivants est une forme de biais de sélection consistant à surévaluer les chances de succès d'une initiative en concentrant l'attention sur les sujets ayant réussi mais qui sont des exceptions statistiques (des « survivants ») plutôt que des cas représentatifs. En architecture également, les bâtiments de plus de cent ans encore debout donnent une fausse impression de « qualité de la construction d'antan » alors qu'ils ne représentent qu'une infime part de ce qui a été construit depuis l'invention de la construction, le reste s'étant écroulé ou ayant été démoli.
