Climate change studies require comprehensive databases to analyze the climate signal, to monitor its evolution, and to predict more accurately future changes. Since complete observations of any continuous process is almost impossible, it is then inevitable to encounter missing information in meteorological databases. The aim of this work is to evaluate the performance of five ($5$) imputation methods: missForest, $k$-nn, ppca, mice and imputeTS. The results show that missForest is the best performing method to handle missing temperature data. In the case of precipitation data, the imputeTS method is the preferred one.

Les études sur le changement climatique nécessitent des bases de données complètes afin d'analyser le signal climatique, de suivre son évolution et de prédire les changements futurs avec plus de précision. L'observation complète de tout processus continu étant presque impossible, il est alors inévitable de rencontrer des informations manquantes dans les bases de données météorologiques. Le but de ce travail est d'évaluer la performance de cinq ($5$) méthodes d'imputation: missForest, $k$-nn, ppca, mice et imputeTS. Les résultats montrent que missForest est la méthode la plus performante pour traiter les données de température manquantes. Dans le cas des données de précipitations, la méthode imputeTS est la technique de remplissage des lacunes à privilégier.

Demographic pressure and climate change have heavily affected soil fertility. Proper soil management requires the understanding of the spatial variation of soil properties. In this study, Bayesian maximum Entropy (BME) was used to explore the variation of soil pH and soil organic matter (SOM) at Adingningon (Benin) using 106 soil samples. The predicting maps indicated a lower concentration (0.6 to 0.8g/kg) of SOM toward the center and pH mostly around 5.8 to 6.5 with lower error variance, suggesting an acidic soil. This results provide useful information for managing soil fertility to improve crop yields.

La pression démographique et le changement climatique ont fortement affecté la fertilité des sols. Une bonne gestion des sols nécessite la compréhension de la variation spatiale de leurs propriétés. Dans cette étude, la méthode de l'Entropie maximale bayésienne a été utilisée pour explorer la variation du pH du sol et de la matière organique du sol (MO) à Adingningon (Bénin) en utilisant 106 échantillons de sol. Les cartes de prédiction ont indiqué une concentration plus faible (0,6 à 0,8g/kg) de la matière organique du sol vers le centre et un pH principalement autour de 5,8 à 6,5 avec une variance d'erreur plus faible, suggérant un sol acide. Ces résultats fournissent des informations utiles pour gérer la fertilité des sols afin d'améliorer les rendements des cultures.

Elections are one of the barometers through which electorates measure the performance of governments and decide whether to renew their mandate or not. The success of every election goes a long way to strengthen the frontiers of a country's democracy and provide legitimacy for those who hold political power. However, the electoral process of many African countries has been challenged in courts or allegations of fraud and vote rigging are leveled against the winning party or candidate. Therefore, there is the need for a statistical method for checking and validating election results to ascertain fraud and vote rigging claims. Existing validation methods include the Parallel Vote Tabulation methodology. However, some significant disadvantages of this approach are issues of cost, sampling techniques and sample size determination. To overcome these, this study resorts to using the Dirichlet multinomial Bayesian model to compute posterior probabilities of valid votes cast and Bayesian credible intervals to ascertain the legitimacy of the votes cast. Using the Ghana general elections in 2020, the fitted Bayesian model accurately predicted approximately 99% of the proportion of votes obtained by New Patriotic Party, National Democratic Congress and all Other Political Parties. Also, the valid votes received by all the political parties fall within the Bayesian credible intervals indicating that the credibility of the 2020 presidential elections held in Ghana may not be in doubt.

Les elections sont l’un des baromètres par lesquels les électeurs mesurent la performance des gouvernements et décident de renouveler ou non leur mandat. Le succès de chaque élection contribue grandement à renforcer les frontières de la démocratie d’un pays et à donner une légitimité à ceux qui détiennent le pouvoir politique. Cependant, le processus électoral de nombreux pays africains a été contesté devant les tribunaux ou des allégations de fraude sont portées contre le parti ou le candidat gagnant. Par conséquent, il est nécessaire de disposer d’une méthode statistique pour vérifier et valider les résultats des élections afin de déterminer les allégations de fraude. Les méthodes de validation existantes comprennent la méthodologie de tabulation des votes parallèles. Cependant, certains inconvénients importants de cette approche sont les questions de coût, les techniques d’échantillonnage et la détermination de la taille de l’échantillon. Pour les surmonter, cette étude utilise le modèle bayésien multinomial de Dirichlet pour calculer les probabilités postérieures de votes valides exprimés et les intervalles bayésiens crédibles pour déterminer la légitimité des votes exprimés. En utilisant les élections générales ghanéennes de 2020, le modèle bayésien ajusté a prédit avec précision environ 99% de la proportion de votes obtenus par le Nouveau Parti Patrotique, le Congrès national démocratique et tous les autres partis politiques. En outre, les votes valides reçus par tous les partis politiques se situent dans les intervalles crédibles bayésiens indiquant que la crédibilité des élections présidentielles de 2020 tenues au Ghana ne fait l’objet d’aucun doute.