Bonsoir,
ton problème n'est pas bien défini.

Si tu connais la valeur que devraient avoir les données, elles sont inutiles.

J'ai l'impression que ton problème est que l'écart-type des données observées est trop grand pour ton modèle.

Tu peux aussi remettre en cause le modèle.

bonjour,

Oui il me semblait bien ne pas avoir été assez précis.

mon problème est le suivant:

je possède 20 000 données de températures sur l'ensemble des lacs de France,
Sur ces 20 000 données 1000 représentent des données moyenne sur le lac concerné et donc le caractérise, alors que le reste des données représentent des données ponctuelle ne pouvant caractériser l'entièreté d'un lac sur lequel elles ont étés prises mais des portions du lac.

je souhaite moi obtenir une donnée plus fine que la simple moyenne  et donc utiliser les données ponctuelles pour partitionner chaque lac et attribuer à chaque partition(Voronoi ou Thiessen) d'un lac une valeur issue des données ponctuelles corrigées en prenant en compte la moyenne du lac.

la correction des données ponctuelles et nécessaire car elles sont très variables en fonction des méthodes des acteurs et des dates d'acquisitions. je souhaite donc les corriger en fonction de la moyenne.

je ne souhaite pas utiliser directement les données ponctuelles pour partitionner et les corriger en fonction de leurs écart-type variance, dispersion ou autre mais vraiment les "corriger" en fonction des valeurs moyennes dont je suis sûr.

j'espère avoir été plus clair

bien cordialement

Bonsoir,
je ne crois pas être en mesure de vraiment t'aider.

Une suggestion : faire le découpage en utilisant les données ponctuelles, puis les corriger en tenant compte de fait que la moyenne des parties pondéré par leur taille ( aire ? volume ?) doit être la moyenne pour le lac.