GIN FA INSTRUMENTATION P Breuil

Dimension: px
Commencer à balayer dès la page:

Download "GIN FA 4 02 01 INSTRUMENTATION P Breuil"

Transcription

1 GIN FA INSTRUMENTATION P Breul OBJECTIFS : coatre les bases des statstques de la mesure af de pouvor d ue part compredre les spécfcatos d u composat et d autre part évaluer avec rgueur les performaces d ue chae de mesure. Etre capable de compredre le suv des solutos d strumetato (étaloage, vérfcato du foctoemet, ). Compredre le foctoemet d ue chaîe d acqusto de mesure, les dfférets sgau ms e œuvre et les prcpales opératos de tratemet de sgau assocés. Compredre les otos d échatlloage et de quatfcato et leur fluece sur la mesure, compredre les formatos du domae fréquetel. Etrecapabledechosrdescapteursetdesupervserleurmseeœuvree focto de l formato souhatée(type, précso, ), de l evroemet, et du système de tratemet de l formato Pour cela, coaître les prcpes physques et les prcpales techologes utlsés das les capteurs GIN FA INSTRUMENTATION P Breul. Statstques de la mesure. La chaîe d acqusto de mesure et sgau assocés 3. Les capteurs Total : 4 heures Autoome Cours TD TP 4 8 >

2 Caledrer Mer 0//04 am cours La mesure Jeu ou Ve ou //04 m ou am TP Mesure Ecel Mar 7/0/05 am cours Sgal, acqusto Lu /0/05 am cours capteurs Jeu 5/0/05 m ou am TP* TP sgal, capteurs X Mars 05 ENSMSE, 58 cours Faurel ½ jourée TP* sgal * évalué Cotact & le: Ressources du cours d strumetato: (accès aoyme: GINFA03)

3 Evaluato TPs(coef /4) Evaluato sur les «redus» e f de séace d u TP, dépôt sur «Campus» Evaluato Rapport (coef 3/4) Etude d ue soluto d strumetato, s possble das l etreprse., Mse e œuvre des élémets du cours. Objectf, caher des charges tal, Moyes ms e œuvre (capteurs, chaes de mesure et d acqusto), Justfcato métrologque, spécfcatos attedues justfées, Aspect coût Vous devrez proposer u sujet (pour évetuelle valdato ou ajustemet) au plus tard lors de la derère séace de TPs (5-4 mars 05), mas s possble avat Rapport ~0 pages + aees (format électroque) Evetuellemet fcher ecel(calculs, smulatos etc ) Date lmte: 3 ma 05, dépôt sur «Campus» 3

4 Statstques de la Mesure Mesure Measuremet Icerttude ucertaty Etaloage Calbrato Phlppe Breul, décembre 04 La Mesure Mesure?? Istrumet de mesure, uté de mesure, méthode de mesure Mesurage acto de mesurer (measuremet) «L'objectf d'u mesurage cosste à détermer la valeur du mesurade (measurad), c'est-à-dre la valeur de la gradeur partculère à mesurer» (GUM* 008) «E gééral, le résultat d'u mesurage est seulemet ue appromato ou estmato de la valeur du mesurade et, de ce fat, est seulemet complet lorsqu'l est accompagé par ue epresso de l'certtude de cette estmato» (GUM 008) *Gude to the epresso of Ucertaty Measuremet 4

5 Métrologe Métrologe scece de la mesure Aspect physque et mathématque Statstques de la mesure: - calcul des certtudes -Etaloage Moyes de mesure: Capteurs Aspect légal Oblgatos lors d ue trasacto commercale Oblgatos lors de la publcato d ue mesure Aspect écoomque Traçablté et fablté Optmsato de la qualté Mesure d ue gradeur: Le mesurage se fat à l'ade d'u strumet de mesure: Par comparaso: e, mètre, rapporteur Plus gééralemet, l strumet de mesure va servr à trasformer u phéomèe physque e u autre plus faclemet mesurable par l termédare d u capteur -- phmètre: gradeur chmque -> gradeur électrque --boussole: gradeur magétque -> gradeur géométrque (agle) Cf cours suvat 5

6 Métrologe, chae de mesure NIST (US), PTB (D), NPL (UK) CGPM: tous les 4 as Etalos Laboratore Natoal d Essas Comte Fraças d accrédtato Utés de Mesure: Système Iteratoal Système Iteratoal (SI): basé sur 7 gradeurs étalo 6

7 Utés de Mesure: Système Iteratoal Système Iteratoal (SI): 960, basé sur le système métrque (CGS pus MKSA) Utés de Mesure Autres utés autorsées: -Composées à partr des utés prmares: joule (J)kg.m.s- -Autorsées car sgfcato physque uverselle: C, heure, ev -Multples pussaces de atto a 7

8 Vocabulare () Le vocabulare est ormalsé par le BIPM: VIM: Vocabulare Iteratoal de Métrologe Erreur absolue: dfférece etre la valeur réelle et la mesure Erreur relatve: erreur / mesure Erreur systématque: erreur de valeur moyee o ulle Erreur aléatore: erreur o prévsble, de valeur moyee ulle. Eacttude de mesure: Etrotesse de l accord etre UNE valeur mesurée et la valeur vrae 5 Vocabulare () Justesse de mesure: Etrotesse de l accord etre la moyee d u grad ombre de valeurs mesurées et la valeur vrae Sesblté d u SDM*: dy/d pour doé (mesurade, yvaleur foure par le SDS) E, capteur de presso: mv/hpa Résoluto d u SDM*: plus pette varato du mesurade détectable. Icerttude: «Paramètre o égatf qu caractérse la dsperso des valeurs attrbuées à u mesurade à partr des formatos utlsées» Icerttude relatve: certtude/ mesure 6 * Système de mesure 8

9 Vocabulare (3) No léarté: dévato mamale par rapport à la drote appromat la répose Offset d u SDM*: valeur du sgal de sorte quad le mesurade est à 0 «Slew rate»: vtesse mamale de varato du sgal de sorte sas dstorso Temps de répose: «à X%»: Temps ou bout duquel, e répose à u «échelo» de gradeur à mesurer, le sgal a attedx% de sa valeur asymptotque (typquemet 95%) Hysteress d u SDM*: apttude d u SDM dot le sgal de sorte à l état statoare e déped pas que du mesurade mas auss de l hstore des sgau atéreurs 7 * Système de mesure Vocabulare (4) Dérve: Lete varato du sgal de sorte e focto du temps ou de la température, à etrée costate Lmte de détecto d u SDM*: plus pette valeur o ulle mesurable pour ue certae probablté d erreur sur le fat que la valeur vrae est ulle ou o MTBF: Mea Tme Betwee Falure Répétablté: Etrotesse de l accord etre les valeurs obteues par des mesurages répétés das les mêmes codtos. Reproductblté: Etrotesse de l accord etre les valeurs obteues par des mesurages répétés e fasat varer certaes codtos de mesure. * Système de mesure 8 9

10 Quelques rappels sur l'erreur et l'certtude Mesure d ue varable de valeur réelle R : Erreur: varable ε R - R R E() (espérace de ) Epectato + ε + ε B A Erreur systématque: ε B Systematc error Erreur accdetelle ou aléatore: ε A Radom or accdetal error 9 Erreur systématque ou aléatore? Par défto, l'erreur aléatore est mprévsble (et doc o corrgeable) et de valeur moyee ulle Le caractère systématque ou aléatore de l'erreur peut dépedre du cotete 0 0

11 Erreur systématque ou aléatore? E: mesure d'ue masse à l'ade d'ue balace umérque: Erreur: ε ε a +ε T +ε o +ε u +ε s ε a : Erreur aléatore o eplquée ε T : Dérve e température ε o : Erreur "opérateur" ε u : Erreur propre à l'apparel ε s : Erreur systématque de la sére (!) Codtos des epéreces ε a ε T ε o ε u ε s opérateur le même jour, apparel Idem + étalé sur pluseurs jours Idem + pluseurs opérateurs Idem + tests sur u lot d'apparels Caractérsato de la mesure (et de l erreur aléatore): Moyee estmée de mesures d'ue même valeur R Estmated mea lm( ) R E( R valeur réelle (lo des grads ombres) Law of large umbers (S erreur aléatore) ) (espérace de ) Epectato

12 Ecart-type de l'erreur aléatore: Varace (de l erreur aléatore) : Varace (of radom error) Stadard devato of radom error V E ( ) ) R Ecart-type de l'erreur aléatore σ V σ ( ) ) ( R R ) Valeur réelle, À pror coue Ecart-type estmé de l'erreur aléatore s ( ) E(s) σ Ecart type relatf : σ σ r 3 Dstrbutos d erreurs Dstrbutos of errors Courbe de probablté de l'erreur P(ε) ε Gaussee ou ormale*, Uforme, Possoee, Etc 0 4 * La plus répadue, grâce au Théorème cetral lmte Gaussa or ormal*, Uform, Possoa,

13 La dstrbuto Gaussee (ou ormale) σ: 99.7% des valeurs σ: 95.5% des valeurs σ: 68.3% des valeurs F( ) σ π e σ σ σ σ 0 σ σ 3σ Ecart à la mo yee - σ écart-type [ X X t.σ ] P proba < R -LOI.STUDENT(t;N;) N b échatllos utlsés pour le calcul de s Tableau des coeffcets «t» de Studet P N5 N0 N0 N> 00 50% 0,73 σ 0,70 σ 0,69 σ 0,67 σ 68% σ 70%,6 σ,09 σ,06 σ,04 σ 87%,5 σ 90%,0 σ,8 σ,73 σ,65 σ 95%,57 σ,3 σ,09 σ,96 σ 99% 4,03 σ 3,7 σ,85 σ,56 σ 99,7% 3 σ 99,9% 6,87 σ 4,59 σ 3,85 σ 3,8 σ 99, % 6 σ 5 Théorème cetral lmte Cetral Lmt Theorem S ue varable est la résultate d'u grad ombre de causes, pettes, à effet addtf, cette varable ted vers ue lo ormale. C'est à cause de cette terprétato que la lo ormale est très souvet employée comme modèle (malheureusemet pas toujours à raso). Demo 6 3

14 Dstrbuto d erreur uforme Erreur équprobable sur tout u tervalle Peu courat, sauf erreur de dscrétsato: 5δ 6δ 7δ σ d δ δ δ d δ 3 0.9δ 7 Dstrbuto de Posso E: comptage d évèemets o smultaés (déstégrato radoactve, queue ) Moyee: µ Varace: µ demo 8 4

15 Les tests d hypothèse Sgfcace tests Tests d ue hypothèse («ullhypothess», e: échatllos ot même moyee) à partr d u ombre f d échatllos, etachés d erreur aléatore. Le résultat du test est pas absolu mas est ue probablté qu est ue ade à la valdato ou o de l hypothèse tale, l e costtue doc jamas ue preuve. -sample T-test Tests paramétrques (hypothèse sur dstrbuto + ou écessare) Comp. Échatllo à valeur de référece, tervalle de coface -samples T-test Comparaso de échatllos F-Test ANOVA Ch-Square test Grubbs test Comparaso de la varace de échatllos Aalyse de varace: aalyse des varaces de K échatllos, comparaso des moyees Utlsato otammet pour vérfer ue hypothèse de dstrbuto Détecto des valeurs aberrates («outlers») Tests o paramétrques (pas d hypothèse sur dstrbuto) Test Wlcoo.M.W Comparaso de échatllos, méthode de rag 9 E rouge: tests décrts + lo, so vor bblo ou google oe-sample T-test «smplfé» Comparasode la mesure Md u échatllo à ue valeur de référece R, o suppose que la dstrbuto est ormale. Hypothèses: «M est dfféret de R»? «M est probablemet dfféret de R»? «la dfférece etre la valeur de la mesure M et ue valeur de référece R est pas due qu au erreurs aléatores» Cette hypothèse de dfférece H est reteue s sa probablté est supéreure à 95% (par eemple) (ou s la probablté d égalté est féreure à 5% (H) mesure: M, écart-type estmé de la mesure cou: s, dstr. gaussee Μ R Hypothèse reteue s: M R t. s (tcoef de Studet) 95% -4s -3s -s s 0 s s 3s 4s H: 95% (ou H: 5%) s s est calculable «précsémet»: H: 99% (ou H: %) t H: 99.9% (ou H: 0.%) 30 5

16 oe-sample T-test «offcel» Comparaso de la moyeed u échatllo à ue valeur de référece R, o suppose que la dstrbuto est ormale*. Hypothèse: «la dfférece etre la moyeede mesures et ue valeur de référece est pas due qu au erreurs aléatores» Cette hypothèse est reteue s sa probablté est supéreure à 95% (par eemple) mesures: moyee µ, écart-type estmé de chaque mesure: s O motre (+ lo ) que l écart-type estmé de la moyee est: s ' s 95% µ R -4s -3s -s s 0 s s 3s 4s H: 95% (ou H: 5%) Hypothèse reteue s: µ R t s s est calculable «précsémet»: H: 99% (ou H: %) t s (tcoefde Studet) H: 99.9% (ou H: 0.%) 3 Hypothèse: «la dfférece etre la moyee de pesages d ue masse étalo et la valeur de cette masse est pas due qu au erreurs aléatores» Il este u «bas»? µ R t. s oe-sample T-test, eemple R t µ s Etalo R (kg) moyee µ: Ecart-type s: µ R s t (t) (0)

17 two-sample T-test Comparaso de moyees de échatllos, o suppose que la dstrbuto est ormale. Hypothèse: «la dfférece etre les moyees est pas due qu au erreurs aléatores» Cette hypothèse est reteue s sa probablté est supéreure à 95% (par eemple) Ech Ech Nb mesures Ecart type estmé s s Comparaso de µ et µ : Peut se rameer à u -sample-test e comparat µ -µ à 0 Moyee estmée µ µ O pred alors, comme écarttype de µ -µ : s s s + (démotré das parte «los de propagato de l erreur») Hypothèse reteue s: µ µ t.s s s µ µ t + Et le ombre de degrés de lberté est e ere appro: Hypothèse: «la dfférece etre les moyees de pesages d ue même masse par opérateurs est pas due qu au erreurs aléatores» Il este u «basetre les opérateurs»? s s µ µ t. + two-sample T-test: eemple op op op op moyee µ écart-type s µ-µ s s s : 43 t s.t:

18 Itervalle de coface L'tervalle de coface à p (95%) d ue mesure est u tervalle de valeurs qu a ue probablté cetrée p (95%) de coter la vrae valeur R du paramètre estmé. [ α, + β ] α et β certtude à p (95%) ( )/ P( < α) P( > + β ) p R R Cofdece terval α β La calcul de α et β e focto de la probablté P (gééralemet 95%) déped de la lo de dstrbuto de l'erreur 0 Dstrbuto symétrque: 0 α β αβ Valeur moyee de la mesure la plus probable Dstrbuto ormale 35 Itervalle de coface, cas de la dstrbuto ormale: L'tervalle de coface à p (95%) d ue mesure est u tervalle de valeurs qu a ue probablté cetrée p (95%) de coter la vrae valeur R du paramètre estmé. [ t. s, + t. s] σ: 99.7% des mesures σ: 95.5% des mesures [ α, +α ] σ: 68.3% des mesures 3σ σ σ 0 σ σ 3σ Ecart à la mo yee - σ écart-type Coefs de Studet t tervalle de cof. 90.0% 95.0% 98.0% 99.0% 99.9% p deg lb Nombre de pots - pour le calcul de σ

19 Écrture d ue mesure (dstrbuto ormale) Le résultat d ue mesure dot comporter 4 élémets : E : C NO 5.3 ppb ±.7 ppb (à 95% ou k) 3 4 : Valeur umérque avec u ombre correct de décmales :Uté 3:Icerttude élarget.σ 4: Le coeffcet d élargssemet t utlsé : Numercal value wth a correct umber of decmals : Ut 3: epaded ucertaty t.s 4: Coverage factor t Probablté e % pour que la mesure sot das l tervalle [ ts, + ts] Lo ormale: 95% 37 Évaluato de l certtude : Évaluato par aalyse statstque de séres de mesures («type A») (gééralemet mesure, mas auss smulato) Évaluato par calcul de l effet sur l certtude fale des dfféretes sources d certtude («type B»: «par tout autre moye»!), elles même évaluées : par ue méthode de type A, par des doées costructeur, d étaloage etc Il est alors écessare de coaître les los de propagato de l erreur 38 9

20 Évaluato par aalyse statstque de séres de mesures Eemple: évaluato d ue méthode de mesure d ue résstace: E R? V mesuré V R0 E R + R 0 R R 0 E V V Mesure et calcul avec u grad ombre N de résstaces «étalo» (R cou) R 0 Calcul de l écart-type σ (e fat, écart-type estmé s ) Icerttude à 95% t.σ, # σ (s N>5 ) Ne tet pas compte: -De l certtude du Vmètre (V) -Des certtudes sur E, R 0, les résstaces étalo 39 Évaluato par calcul de l effet sur l certtude fale des dfféretes sources d certtude Eemple: évaluato d ue méthode de mesure d ue résstace: E R? R R 0 E V V V mesuré σ(r 0 ), σ(e), σ(v) cous R 0 Lo de propagato des écart-types combed stadard ucertaty R0 R0E 0 ) + σ ( E) + σ ( ) E U σ ( R) σ ( R V U V V Eplcato 40 0

21 Quelle est la pesée la plus précse? 4

22 Los de propagato des certtudes des erreurs aléatores dépedates () combed stadard ucertaty for radom & depedat errors Eemple de la somme: sa+b Rappel: les erreurs s ajoutet algébrquemet: e a e s e a +e b e b Et leur écart-type? a b a+b moyee somme moyees varace somme varaces ecartype somme écart-types e s a b a+b Los de propagato des certtudes des erreurs aléatores dépedates () combed stadard ucertaty for radom & depedat errors Eemple de la somme: sa+b Erreur aléatore: σ ( s) σ( a) + σ( b) Les écart-types e s ajoutet pas!! Var ( a + b) Var( a) + Var( b) Les varaces s!! ( σ ( a + b) ) σ ( a) + σ ( b ) ( a+ b) σ( a) σ( b) σ + Les écart-types s ajoutet quadratquemet

23 Écart type de l'erreur aléatore de la somme de varables Eemple de la somme: sa+b (sute) Varace: ( a) ( a a ) Var( s) b Var Var( b) ( ) b b ( ) ( a a+ b ) ( a a ) + ( b b ) + ( a a )( b b ) Var ( a + b) Var( a) + Var(b) + Cov( a, b) Les varaces s ajoutet, Et les écarts-types? 0 s erreurs dépedates ( a+ b) σ( a) σ( b) σ + Somme quadratque des écart-types 45 Quelle est la pesée la plus précse? 3

24 4 Rappel: lo de propagato d ue «pette» erreur f y ) (,..),.. ( f y Focto quelcoque: () f y d df f f + +. ) ( ) ( d df y. Cas partculer, produt: / 3.. d a b c y d d c c b b a a y y + + / 3 Lo de propagato de la varace et de l écart-type f y ) (,..),.. ( f y Focto quelcoque: La varace est addtve, doc s les varables sot dépedates: ) ( ) ( V f y V ) ( ) ( f y σ σ Ecart type: V()(σ()) ), ( ) ( ) ( j j j f f f y Cov + + σ σ Cas gééral (varables o dépedates):!

25 Los de propagato des certtudes des erreurs aléatores () Focto quelcoque: y f (,..,..) Icerttude pour ue dst. ormale: I(y)t.σ(y), gééralemet, t~ I f ( y) I ( ) (rappel: varables dépedates) 49 Los de propagato des certtudes des erreurs aléatores dépedates () Combaso léare: y a σ ( y) ( a σ ( )) E: somme ou dfférece: y a + b c σ σ σ + σ ( y) ( a) + ( b) ( c ) Applcato fodametale e strumetato: La moyee 50 5

26 Los de propagato des certtudes des erreurs aléatores dépedates (3) Applcato fodametale e strumetato: La moyee Théorème de la moyee: σ ( ) σ ( ) σ ( ) S ue sére de mesures a ue erreur aléatore et dépedate d écart-type σ, alors la moyee de de ces mesures a ue erreur aléatore dot l écarttype est dvsé par race carrée de. Theorem of the mea Lo "des grads ombres" Demo 5 Ec Los de propagato des certtudes des erreurs aléatores (4) Produts et pussaces: Proprété téressate des écart-types relatfs: y A α σ () σ ( y) σ ( ) α y Somme quadratque des écart-types relatfs Eemple: σ( y) y a. b. c y / d σ( a) a 3 σ( b) + b σ( c) + 3 c σ( d) + / d 5 6

27 Los de propagato des erreurs aléatores: eemple de la drote d étaloage Etaloage Icerttude relatve sur débt D? Débt: Da.V V teso foure par capteur 0 D 0 L/h a0.8 L/h/mV * ±0.0 (t) Ic. Sur V : 0.mV (t) I( D) σ ( D) D D σ ( a) a σ ( V) + V Mesure des fables valeurs peu précse! σ ( a) aσ ( V ) + a D I( a) a ai( V ) + D * a verse de la sesblté 53 Calcul de l certtude par smulato de l erreur aléatore ou de Mote-Carlo E: yf(, ), et ot des erreurs aléatores (pas forcemet dépedates) caractérsées par leur écart-type s et s Smuler u certa ombre d epéreces avec les mêmes valeurs et + erreur aléatore (trages ) yf( +ε, +ε ) N fos Les ε sot calculés à l ade d u géérateur de ombre aléatores à dstrbuto adéquate (gééralemet ormale*) Calcul de l écart type des y 7

28 Calcul de l certtude par smulato de l erreur aléatore, eemple ε Trage aléatore ormal: L(Rd) *cos( πrd' ) Da.V 0 D 0 L/h a0.8 L/h/mV ±0.0 (t) Ic. Sur V 0.mV (t) moyee des D 5.00 Dma Débt: E Type des D a teso V: Icerttude 0.05 I(a) I(V) N trage (400) erreur sur a erreur sur V valeur a valeur V Da.V l certtude due à la dscrétsato : Dscretzato ucertaty La dscrétsato tervet lorsque les valeurs fales costtuet u esemble dscret. Résoluto δ du système d acqusto, à e pas cofodre avec l certtude, ou la sesblté. 0. V Teso affchée δ Teso réelle 56 8

29 l certtude due à la dscrétsato : () 5δ 6δ 7δ Erreur ma: δ/ Ecart type de l erreur due à la dscrétsato: σ d δ 3 Ecart type de l erreur totale: ( X ) σ ( ) σ d σ + 57 Le «Dtherg» demo La méthode du moyeage peut rédure auss l erreur de dscrétsato ( quatfcato): Pas de «brut», pas de moyeage Pas de «brut», moyee 50 sgau «brut», pas de moyeage «brut», moyee 50 sgau O peut gager bt de à codto que le sgal avat résoluto chaque fos que umérsato cotee u brut l o multple par 4 la (aléatore et dépedat) de valeur fréquece effcace supéreure à la résoluto d échatlloage tale La présece d erreur aléatore permet c d amélorer la «précso» de la mesure!!! 58 9

30 l certtude due à la dscrétsato : (3) les décmales sgfcatves Ecrture d u ombre avec u ombre de chffres f Erreur de dscrétsato Pour ue mesure, l écart type de l erreur trodute dot être pett devat celu de l erreur de mesure tale Mas les systèmes umérques peuvet doer beaucoup de chffres sgfcatfs E: mesure Écart-type mesure 0.55 (sot 0.5 % e relatf) Dot-o écrre: ? ? 438? 59 l certtude due à la dscrétsato : (3) les décmales sgfcatves: eemple E: mesure Écart-type mesure σ() 0.55 (sot 0.5 % e relatf) Mesure affchée résoluto E.T. erreur dscrétsato σ d δ 3 E.T. erreur fale σ σ + σ ( X ) ( ) d % d erreur due à la dscrétsato < 0-3 % % % % % O peut chosr la résoluto mmédatemet plus pette que l écart-type de la mesure. 60 L écart-type (ou l certtude) affché e dot pas avor plus de chffres sgfcatfs. 30

31 Capablté d u système de mesure Vérfcato de la tolérace: Va dépedre de la tolérace désrée et du coût dela mesure Capablté adéquato etre l certtude de la méthode de mesure et l certtude globale de la mesure désrée Tolérace, capablté d u système de mesure -SL T +SL TTolérace Ucerttude CapabltéT/U Mesure moyee «certaes ormes»: T/U8 Dstrb. des erreurs de fabrcato Noto de rsque: -rsque «clet» (à rejeter mas reteue) -rsque «fabrcat» (à reter mas rejetée) Pèce à reter? T Pèce à rejeter? Val. réelle 3

32 Lmte de détecto plus pette valeur o ulle mesurable pour ue certae probablté d erreur sur le fat que la valeur vrae est ulle ou o sgal théorque sgal réel seul de décso erreur type erreur type seul de decso type type >0 b erreurs 9 % boes décsos: 95 écart type brut aalyseur: Nveau sgal S dstr. Normale et probablté de 95%: LDD3.3σ O pred souvet: LDD3σ Etaloage d u système de mesure Etaloage:«Opérato cosstat à établr ue relato etre les valeurs de la gradeur dquées par u apparel de mesure et les valeurs correspodates de la gradeur réalsées par des étalos» (VIM) C pf H% 3

33 Etaloage: Créato d u modèle de comportemet Calbrato: Creato of a behavor model Varables X mesurées (capteurs) Varables Y mesurées (aalyses ) ETALONNAGE Créato modèle de comportemet modèle ou Prédcteur F YF(X) Varables X mesurées (capteurs) tesos Modèle PREDICTION Calcul de prédcto Estmato des varables Y 65 Étaloage - calbrage teso Étaloage (calbrato!) calcul complet du modèle, écesste u «grad» ombre d epéreces. presso teso presso Calbrage (gaugg) «recalage» du modèle, écesste epérece («zéro»), vore («zéro + ga»). Correcto varatos de fabrcato Correcto dérve Correcto chagemet codtos epérmetales (température, tarage d ue balace ) Etc S le modèle est pas léare, le calbrage e peut corrger que de fables varatos 66 33

34 Le coût de l étaloage - calbrage Problème de la portablté du modèle E «use»: Performace crossate Étaloage par modèle de coassace Étaloage modèle de coas. + calbrage e. Étaloage e. Étaloage mod. de coas. + calbrage tous Étaloage e + calbrage tous Étaloage tous Coût crossat 67 3:8 Méthode des modres carrés : Les modres carrés The least Squares O veut modélser: Y F(X), e fat, à partr des epéreces, o a: Y F(X) + E où E «résdu» ou erreur ( j j j ) E Y F( X ) y f (,..., ) mmal O utlse gééralemet la dstace Eucldee: «mmale», j ( y j f ) j k (,..., ) 68 34

35 La régresso léare Lear regresso Moovarable (yf()) + hypothèse léare (ya+b) cas: Y Régresso de y/: y a + b + ε y X Y Mmsatos des erreurs sur Y Régresso de /y: ˆ a' y + b' + ε yˆ b' a' a' Mmsato des erreurs sur X X Atteto, ue régresso de y/ avec des erreurs sur (ou l verse), etraîe ue erreur systématque sur la pete 69 La régresso léare: y/ ou /y? Atteto, ue régresso de y/ avec des erreurs sur (ou l verse), etraîe ue erreur systématque sur la pete Régresso Y/X Régresso X/Y y y Dfférece églgeable das ue majorté de cas 70 35

36 Caractérstques de la régresso y/: Estmatos de a et b: ( )(y y) Cov(, y) a ( ) Var( ) b y a Y Mmsatos des erreurs sur Y y ˆ a + b Ecart type de la pete: s a ( ) s y / avec Ecart type de l ordoée à l orge: s y/ (y ŷ ) sb s y / ( ) 7 Mesure de la qualté d'ajustemet d'ue régresso léare: Var(Y) Var( ax+b) + Var(ε) formato totale formato modélsée + formato résduelle Y Coef. De détermato: R d Var(fo modélsée) Var(fo totale) Coef. de corrélato: R d R c R c Cov( X, Y ) σ ( X ) σ ( Y ) 7 36

37 Le coef. de corrélato, utlsato: R0.75 R R0.8 R Le cœffcet de corrélato e sert à quatfer que les relatos léares etre X et Yvarables R0.8 R Régresso léare: eame des résdus resduals teso (mv) teso (mv) 900 Valeurs mesurées y courat (ma) Graphe des résdus: mesure - droteregr courat (ma) Résdu formato o modélsée, déalemet erreur aléatore R y -(a. +b) Détecto pots aberrats (outlers) A élmer après vérfcato et avec précautos Vérfcato léarté A corrger évetuellemet avec régresso o léare 74 37

38 Autres méthodes de modélsato comportemetale: Multvarables: Multvarable léare Regresso multvarable, aalyse composates prcpales Modres carrés partels (PLS) Moovarable o léare Polyomal, lo pussace, focto quelcoque 75 Régresso o léare: régresso polyomale Permet de modélser la plupart des problèmes peu o léares E: courbe de tedace d'ecel:

39 Bblo & les utles Bouqus: "Statstcs for aalytcal Chemstry" 3 rd ed. J.C. Mller ad J.N. Mller Joh Wley & Sos, 998. "Multvarate Statstcal Methods, A Prmer" B.F.J. Moley, Chapma & Hall 986. "Modélsato et estmato des erreurs de mesure", M Neully, CETAMA, Lavoser, Pars 993. Stes WWW: sous Ecel (TP du 0/) ecellet ste smple et succct mas de référece sur la calcul des certtudes, ce documet s'e est beaucoup spré. U cours plus complet de statstques est dspoble à : Cours très complet e Fraças, avec eemples et logcels Cours e Fraças sur les techques de la statstque Collecto de les et surtout de Freewares sur les stats même chose cours, artcles eemples et surtout "applets" sur les stats :http://www.deltamucosel.fr/publcatos/publcatos-metrologe-geerale.asp#: Deltamu PME de métrologe offrat de ombreuses ressources Norme pfométrque 77 La orme AFNOR la plus utlsée: 78/6 PDF 39

TD Techniques de prévision pour la Gestion de production

TD Techniques de prévision pour la Gestion de production Orgasato et gesto dustrelle Page / 6 TD Techques de prévso pour la Gesto de producto er Exercce Vetes d u rayo de jouraux das u supermarché Javer Févrer Mars Avrl Ma Ju Jullet Août Septembre Octobre Novembre

Plus en détail

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20.

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20. BTS CG 996 Eercce : (0 pots) Ue agece mmoblère evsage de commercalser u programme de costructo d'appartemets Deu projets lu sot soums: Projet P : Le coût de producto de appartemets ( eter et 0 )est doé

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

Plus en détail

RECUEIL DES METHODES INTERNATIONALES D'ANALYSES OIV Guide de validation Contrôle qualité

RECUEIL DES METHODES INTERNATIONALES D'ANALYSES OIV Guide de validation Contrôle qualité Gude de valdato Cotrôle qualté Gude pratque pour la valdato, le cotrôle qualté, et l estmato de l certtude d ue méthode d aalyse œologque alteratve (Résoluto Oeo 10/005) Sommare 1. OBJET... 5. PREAMBULE

Plus en détail

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant :

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant : STATISTIQUES Cours Termale ES O observe que, das certas cas, l semble ester u le etre deu caractères statstques quattatfs (deu varables) sur ue populato ; par eemple, etre le pods et la talle d u ouveau-é,

Plus en détail

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale Cotrôle de gesto Budget des vetes Module 4 - Leço - Budget des vetes Itroducto - Recherche de la tedace géérale - Itroducto Le budget des vetes est le premer budget opératoel à établr. Il est cosdéré comme

Plus en détail

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE UE4 : Bostatstques Chaptre 8 Corrélato et régresso léare smple José LABARERE Aée uverstare 20/202 Uversté Joseph Fourer de Greoble - Tous drots réservés. Pla I. Corrélato et régresso léare II. Coeffcet

Plus en détail

Analyse de régression

Analyse de régression Itroducto à la régresso Aalyse de régresso La régresso est utlsée pour estmer ue focto f( ) décrvat ue relato etre ue varable explquée cotue,, et ue ou pluseurs varables explcatves,. = f(,, 3,, )+ε Remarque

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

Plus en détail

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires UE 4 Evaluato des méthodes d aalyse applquées au sceces de la ve et de la saté Statstque Varables aléatores Frédérc Mauy - 27 septembre et 3 octobre 2013 1 Pla du cours 1. Varable aléatore 1. Défto 2.

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chaptre 4 : RÉGRESSION 4. Régresso léare smple 4.. Équato de la régresso 4.. Estmato par les modres carrés 4..3 Coeffcet de détermato 4..4 Iférece sur les coeffcets 4..5 Prévso et aalyse des résdus Régresso

Plus en détail

Incertitudes expérimentales

Incertitudes expérimentales U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E 995 Icerttudes érmetales par Fraços-Xaver BALLY Lcée Le Corbuser - 93300 Aubervllers et Jea-Marc BERROIR École ormale supéreure

Plus en détail

Calculs en chromatographie

Calculs en chromatographie Calculs e chroatographe éthode de la oralsato tere... 1 Coeffcet de répose assque relatf... 1 Calcul des pourcetages assques... 2 Calcul des pourcetages olares... 3 xeple d aalyse CG d ue substtuto copéttve

Plus en détail

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit Itroducto à l écoométre S6-EF sc. éco. & gesto Prof. Mohamed El Meroua IV.- Espérace mathématque de l estmateur  : A ˆ A + X X X Nous avos ( ε alors l espérace mathématque sera : E ( E( A + E[ ( X X X

Plus en détail

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION. INTRODUCTION Il est fréquet de s'terroger sur la relato qu peut exster etre deux gradeurs e partculer das les problèmes de prévso et d estmato. Tros types

Plus en détail

FD5-10-15 Solutions D Acquisition de données Module d acquisition de données

FD5-10-15 Solutions D Acquisition de données Module d acquisition de données Module d acqusto de doées De 5 à 15 etrées aalogques sychrosées dfféretelles uverselles Logcel d'explotato embarqué Serveur Web Jusqu'à 400 échatllos par secode par voe Voes de calcul et de tratemet Stockage

Plus en détail

Coefficient de partage

Coefficient de partage Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos

Plus en détail

1 ère partie : STATISTIQUE DESCRIPTIVE

1 ère partie : STATISTIQUE DESCRIPTIVE ère parte : STATISTIQUE DESCRIPTIVE CHAPITRE : COLLECTE DE L INFORMATION, TABLEAUX ET GRAPHIQUES. I. Défto et vocabulare Défto : la statstque est ue méthode scetfque qu cosste à réur des doées chffrées

Plus en détail

Rappel (voir cours 1). On obtient l ampleur de chacune de ces dispersions par les sommes suivantes :

Rappel (voir cours 1). On obtient l ampleur de chacune de ces dispersions par les sommes suivantes : Master SV U7 COURS III - - Aalyse de varace (ANOVA I Patrc Coqullard I. ANOVA T RGRSSION MULTIPL I.. Rappels Ue régresso multple s accompage toujours d ue aalyse de varace ( ANalyse Of VArace = ANOVA.

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez Mesure de la laso etre deux varables qualtatves Kh deux Equête : Êtes-vous «pas du tout d accord»

Plus en détail

Analyse de survie. Michel Fioc. (Michel.Fioc@iap.fr, www2.iap.fr/users/fioc/enseignement/analyse_de_survie/)

Analyse de survie. Michel Fioc. (Michel.Fioc@iap.fr, www2.iap.fr/users/fioc/enseignement/analyse_de_survie/) École doctorale d astroome et d astrophysque d Île de Frace. I.A.P., févrer 2013 Post-master. Approche statstque bayésee par l exemple Aalyse de surve Mchel Foc (Mchel.Foc@ap.fr, www2.ap.fr/users/foc/esegemet/aalyse_de_surve/)

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME FERME EN REACTION CHIMIQUE SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles L Meto Iformatque UE Probabltés Chaptre 3 : Varables aléatores réelles Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer, Serge Solovev Sot (, A, P) Ω et X : Ω R ue varable aléatore. I. Varable

Plus en détail

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques IFT393 Qualté du logcel et métrques Chaptre 7 Collecte et aalyse des métrques Pla du cours Itroducto Qualté du logcel Théore de la mesure Mesure du produt logcel Mesure de la qualté du logcel Études emprques

Plus en détail

Analyse Statistique des Données de Lifetest

Analyse Statistique des Données de Lifetest Aalyse Statstque des Doées de Lfetest Evas Gouo Laboratore de Statstque Applquée de l Uversté de Bretage-Sud Pla Gééraltés Les modèles paramétrques Essas accélérés : modèle d accélérato Exemple Step-Stress

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 00 SBN : 978---54754- Commet calculer ue tolérace ertelle 75 Nous avos doc u toléracemet par tervalle sur les exgeces foctoelles

Plus en détail

2013 LES DÉLAIS DE PAIEMENT. STATISTIQUES DE 2000 À 2012 EN NOMENCLATURE NAF rev. 2

2013 LES DÉLAIS DE PAIEMENT. STATISTIQUES DE 2000 À 2012 EN NOMENCLATURE NAF rev. 2 203 LES DÉLAIS DE PAIEMENT STATISTIQUES DE 2000 À 202 EN NOMENCLATURE NAF rev. 2 Javer 204 Itroducto Des séres statstques chroologques des délas de paemet et du solde du crédt teretreprses sot dspobles

Plus en détail

Apport de la technique de décomposition de domaine en réduction modale de branche

Apport de la technique de décomposition de domaine en réduction modale de branche Apport de la techque de décomposto de domae e réducto modale de brache Perre-Olver LAFFAY, Olver QUEMENER *, Etee VIDECOQ, Ala NEVEU Laboratore de Mécaque et d Eergétque d Evry (LMEE) 40, Rue du Pelvoux

Plus en détail

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

Plus en détail

9 ème Cogrès Fraças de écaque arselle, 4-8 août 009 Evaluato des certtudes de mesure sur ue mache à mesurer trdmesoelle: Nouvelle méthode d estmato des paramètres de surface et certtudes assocées.jlid

Plus en détail

Ressources pour le lycée général et technologique

Ressources pour le lycée général et technologique éduscol Ressources pour le lycée gééral et techologque Ressources pour le cycle termal gééral et techologque Mesure et certtudes Ces documets peuvet être utlsés et modés lbremet das le cadre des actvtés

Plus en détail

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm I. DEFINITION ANALYSE DES ENQUETES CAS-TEMOINS AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séres o apparées) Dr F. Séguret Départemet d Iformato Médale, Épdémologe et Bostatstques U facteur F est ue

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

NOTATIONS ET FORMULAIRE

NOTATIONS ET FORMULAIRE Uversté PARIS DESCARTES Lcece de Psychologe L1 ADP1- Resp : Mrelle LAGARRIGUE page 1/5 PROTOCOLE SUR U ECHA TILLO NOTATIONS ET FORMULAIRE Esemble des sujets de l échatllo S { s 1 ; s ;.; s } (1) Varable

Plus en détail

Application de la théorie des valeurs extrêmes en assurance automobile

Application de la théorie des valeurs extrêmes en assurance automobile Applcato de la théore des valeurs extrêmes e assurace automoble Nouredde Belagha & Mchel Gru-Réhomme Uversté Pars 2, ERMES-UMR78-CNRS, 92 rue d Assas, 75006 Pars, Frace E-Mal: blour2002@yahoo.fr E-Mal:

Plus en détail

La statistique et les statistiques

La statistique et les statistiques Psy004 Secto : La statstque et les statstques Pla du cours: 0.0: Beveue 0.: Les catégores du savor 0.: Survol de la psychologe 0.3: Le pla de cours 0.4: Les assstats.0: La physque: scece exacte?.: Scece

Plus en détail

sont distincts 2 à 2.

sont distincts 2 à 2. Lycée Thers CORRIGÉ TP PYTHON - 09 L algorthme des k-meas pour partager u uage de pots e u ombre doé de classes peu dspersées 1 - La méthode de Forgy [Qu. 1] 1) Cette double somme comporte termes pusque

Plus en détail

III ESPERANCE MATHEMATIQUE

III ESPERANCE MATHEMATIQUE /9 ésumé de ours e alul des probabltés (JJ bellager III ESPEAE MATHEMATIQUE I.Défto et alul de l espérae mathématque d ue VA La défto la plus géérale de l espérae d u VA : (do à valeurs postves ou ulles

Plus en détail

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU 8 e Coférece Iteratoale de MOdélsato et SIMulato - MOSIM 0-0 au 2 ma 200 - Hammamet - Tuse «Evaluato et optmsato des systèmes ovats de producto de bes et de servces» LE PARAMETRAE U MRP SOUS INCERTITUES

Plus en détail

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an BTS BLANC Ma 0 Epreuve : Mathématques Géérales et Applquées Flère : DA / ARLE Durée: heures NB : Chaque parte dot être tratée sur des copes dfféretes I- MATHEMATIQUES GENERALES Exercce a b Sot le Sot la

Plus en détail

THESE. présentée devant. l UNIVERSITE D EVRY VAL D ESSONNE. en vue de l obtention du DOCTORAT DE L UNIVERSITE D EVRY. Spécialité : Robotique.

THESE. présentée devant. l UNIVERSITE D EVRY VAL D ESSONNE. en vue de l obtention du DOCTORAT DE L UNIVERSITE D EVRY. Spécialité : Robotique. THESE présetée devat l UNIVERSITE D EVRY VAL D ESSONNE e vue de l obteto du DOCTORAT DE L UNIVERSITE D EVRY Spécalté : Robotque Par Omar AÏT-AIDER Localsato référecée modèle d'u robot moble d'téreur Le

Plus en détail

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe Méthode du smplee: prélmares Modèles de recherche opératoelle (RO). Programmato léare b. Méthode du smplee Das le cas où l y a ue fté de solutos, la méthode d élmato de Gauss-Jorda permet d detfer tros

Plus en détail

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2 - Varables aléatores et dstrbutos - Chaptre : Varables aléatores et dstrbutos. Varable aléatore.... Focto de répartto....3 Focto de masse et de desté....4 Dstrbuto cojote de varables aléatores...5.4. Dstrbuto

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 010 SBN : 978--1-54754- Sommare Remercemets... troducto De l terchageablté à Sx Sgma... 1 V CHAPTRE 1 Du toléracemet tradtoel

Plus en détail

Performances d une méthode de localisation dans les réseaux sans fil mobiles

Performances d une méthode de localisation dans les réseaux sans fil mobiles Performaces d ue méthode de localsato das les réseaux sas fl mobles Matheu Bouet, Erwa Ermel, Guy Pujolle Résumé Avec la multplcato des objets commucats, la localsato est ue composate majeure des futurs

Plus en détail

APPRENTISSAGE ARTIFICIEL («Machine-Learning»)

APPRENTISSAGE ARTIFICIEL («Machine-Learning») APPRENTISSAGE ARTIFICIEL («Mache-Learg») Fabe Moutarde Cetre de Robotque (CAOR) MINES ParsTech (Ecole des Mes de Pars) Fabe.Moutarde@mes-parstech.fr http://perso.mes-parstech.fr/fabe.moutarde Appretssage

Plus en détail

I. Qu est-ce qu une variable aléatoire?

I. Qu est-ce qu une variable aléatoire? I. Qu est-ce qu ue varable aléatore?. Défto : Sot ue expérece aléatore dot l esemble des résultats possbles (l uvers est oté Ω. Ue varable aléatore est ue focto X allat de Ω sur R, c est-à-dre que c est

Plus en détail

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure. TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d

Plus en détail

6GEI300 - Électronique I. Examen Partiel #1

6GEI300 - Électronique I. Examen Partiel #1 6GEI3 Électroque I Autome 27 Modalté: Aucue documetato est permse. Vous avez drot à ue calculatrce o programmable. La durée de l exame est de 3h Cet exame compte pour 2% de la ote fale. Questo 1. Questos

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression L Meto Iformatque UE Probabltés Chaptre 4 : Smulato - Régresso Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer I- Smulato de varables aléatores. Itroducto Das certaes expéreces «réelles», où le

Plus en détail

" BIOSTATISTIQUE - 1 "

 BIOSTATISTIQUE - 1 ISTITUT SUPERIEUR DE L EDUCATIO ET DE LA FORMATIO COTIUE Départemet Bologe Géologe S0/ " BIOSTATISTIQUE - " Cours & Actvtés : Modher Abrougu Aée Uverstare - 008 Modher Abrougu Bostatstque «I» ISEFC - 008

Plus en détail

GESTION COOPÉRATIVE DE STOCKS DE PRODUITS FINIS DANS UN RESEAU DE DISTRIBUTION

GESTION COOPÉRATIVE DE STOCKS DE PRODUITS FINIS DANS UN RESEAU DE DISTRIBUTION GESTION COOPÉRATIVE DE STOCKS DE PRODUITS FINIS DANS UN RESEAU DE DISTRIBUTION Lama Trqu, Jea-Claude Heet To cte ths verso: Lama Trqu, Jea-Claude Heet. GESTION COOPÉRATIVE DE STOCKS DE PRO- DUITS FINIS

Plus en détail

PHYSIQUE DES SEMICONDUCTEURS

PHYSIQUE DES SEMICONDUCTEURS MIISTERE DE L'ESEIGEMET SUPERIEURE ET DE LA REHERHE SIETIFIQUE UIERSITE DE BEHAR Départemet es Sceces Laboratore e Pysque es spostfs à semcoucteurs (L.P.D.S ttp://www.uv-becar.z/lps/ PHYSIQUE DES SEMIODUTEURS

Plus en détail

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position?

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position? Paramètres descrptfs Cours VETE043- Aée académque 06-07 Commet représeter les varables aléatores (doées)? Représetato sythétque Tables de fréqueces Représetato graphque Dagrammes de fréqueces Paramètres

Plus en détail

Une méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés

Une méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés Ue méthode alteratve de provsoemet stochastque e Assurace No Ve : Les Modèles Addtfs Gééralsés Lheureux Else B&W Delotte 85, av. Charles de Gaulle 954 Neully-sur-See cedex Frace Drect: 33(0).55.6.65.3

Plus en détail

6. RADIERS 6.1. GÉNÉRALITÉS

6. RADIERS 6.1. GÉNÉRALITÉS 6. RADIERS 6.. GÉNÉRALITÉS U raer est ue alle plae, évetuellemet ervurée, costtuat l'esemble es foatos 'u bâtmet. Il s'éte sur toute la surface e l'ouvrage. Ce moe e foato est utlsé as eux cas : lorsque

Plus en détail

Cours 8 : Analyse de variance à un facteur

Cours 8 : Analyse de variance à un facteur PSY 004 Techques d aalyses e sychologe Cours 8 : alyse de varace à u facteur Table des matères Secto. "U cou de dé jamas 'abolra le hasard"... Secto. Itroducto à l aalyse de varace NOV... Secto 3. Réartto

Plus en détail

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18 1 U commerçat a relevé le motat des dépeses e euros de chaque clet au cours d ue semae. Motat des dépeses Clets [0 ; 50[ 72 x x - x ) - x )² -x ) ² [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200

Plus en détail

Hydrologie et Hydrogéologie

Hydrologie et Hydrogéologie ème aée ème semestre Hydrologe et Hydrogéologe Téléchargemets autorsés pour le cours, mpresso autorsée, photocopllage terdt Resposable: V. MERRIEN-SOUKATCHOFF Aée Uverstare 0/03 Eau souterraes Avrl 03

Plus en détail

LOI NORMALE ET LOIS DERIVEES

LOI NORMALE ET LOIS DERIVEES Prcpes et Méthodes de la Bostatstque Chaptre 5 LOI NORMALE ET LOIS DERIVEES A-LA LOI NORMALE Présetato La dstrbuto ormale, dte ecore de Laplace-Gauss, est pour des rasos qu apparaîtrot plus lo, la plus

Plus en détail

Bac blanc de mathématiques

Bac blanc de mathématiques Termale st2s le mercred 09/03/2016 Durée : 2 heures Bac blac de mathématques Exercce 1 : 6 pots Le tableau c-dessous doe le ombre d aboemets au servce de téléphoe moble e Frace etre f 2001 et f 2009, exprmé

Plus en détail

RADIOPROTECTION CIRKUS. Sommaire

RADIOPROTECTION CIRKUS. Sommaire RADIOPROTECTION CIRKUS Documet techque Radoprotecto Crkus 89 D boulevard du Fer 74000 Aecy www.rpcrkus.org - cotact@rpcrkus.org Assocato lo 1901 créée le 9 mars 010 W91300355 - Eregstrée à la préfecture

Plus en détail

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES SOMMAIRE. Normes sur u espace vectorel E 2.. Défto d'ue orme. Cter l'égalté tragulare reversée. 2.2. Normes usuelles

Plus en détail

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES Il est très courat

Plus en détail

INCERTITUDES. Lucyna Firlej. Groupe de Dynamique des Phases Condensees Université Montpellier 2

INCERTITUDES. Lucyna Firlej. Groupe de Dynamique des Phases Condensees Université Montpellier 2 Départemet Mesures Physques 005-006 INCERTITUDES Lucya Frlej Groupe de Dyamque des Phases Codesees Uversté Motpeller COURS ACCESSIBLES SUR LE SITE WEB: http://www.gdpc.uv-motp.r:708/~rlej ESTIMATION de

Plus en détail

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation ère S Lmtes de foctos () Approche tutve ; tes des foctos de référece II. La focto carrée ) Tableau de varato Das ce chaptre, o lasse provsoremet de côté les dérvées. I. Itroducto ) Rappel Déà vu : oto

Plus en détail

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2 Exercce Lba 6 4 pots O cosdère u solde ADECBF costtué de deux pyramdes detques ayat pour base commue le carré ABCD de cetre I. Ue représetato e perspectve de ce solde est doée e aexe (à redre avec la cope).

Plus en détail

ANALYSE DES CORRESPONDANCES SIMPLES

ANALYSE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez MESURE DE LIAISON ENTRE DEUX VARIABLES QUALITATIVES KHI-DEUX Mesure de la laso etre deux varables qualtatves

Plus en détail

Variables j.. p. Xij

Variables j.. p. Xij L alyse e Composates Prcpales (CP) O possède u tableau rectaulare de mesure dot les coloes sot des varables quattatves (mesuratos, taux, statos clmatques) et dot les les représetet des dvdus statstques

Plus en détail

Pondichéry Avril 2014 Série S Exercice.

Pondichéry Avril 2014 Série S Exercice. Podchéry Avrl 04 Sére S Exercce Le pla complexe est mu d u repère orthoormé ( O; uv, ) Pour tout eter aturel, o ote A le pot d affxe z déf par : O déft la sute ( ) z z 0 = et + = + z 4 4 r par r = z pour

Plus en détail

Les sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes

Les sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes Les sstres graves e assurace automoble : Ue ouvelle approche par la théore des valeurs extrêmes Nouredde Belagha (*, Mchel Gru-Réhomme (*, Olga Vasecho (** (* Uversté Pars 2, ERMES-UMR78-CNRS, 2 place

Plus en détail

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, )

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, ) Polyése Ju 00 Sére S xercce Le pla complexe est rapporté à u repère orthoormal drect ( O; uv, ) Prérequs Parte A Resttuto orgasée de coassaces Sot u ombre complexe tel que = a+ b où a et b sot deux ombres

Plus en détail

arlesrcomplexesraurbacr2014r==corriges=z

arlesrcomplexesraurbacr2014r==corriges=z arlesrcomplexesraurbacr0r==corriges= Nouvelle-Calédoe ovembre 0 5 pots Proposto : Pour tout eter aturel : ( + ) = () VRAI! ( ) doc d où ( ) ( ) ( ) ( ) Sot (E) l équato ( )( + 8) = 0 où désge u ombre complexe

Plus en détail

CNAM-UPMC MASTER 2010-2011 Recherche Opérationnelle MODELES DE LOCALISATION ET APPLICATIONS Marie-Christine Costa

CNAM-UPMC MASTER 2010-2011 Recherche Opérationnelle MODELES DE LOCALISATION ET APPLICATIONS Marie-Christine Costa CNAM-UPMC MASTER 200-20 Recherche Opératoelle MODELES DE LOCALISATION ET APPLICATIONS Mare-Chrste Costa I INTRODUCTION Avertssemet: ce polycopé e cotet que les résultats prcpau. Les démostratos et complémets

Plus en détail

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce Cocepto d u outl décsoel pour la gesto de la relato clet das u ste de e-commerce Nazh SELMOUNE *, Sada BOUKHEDOUMA * ad Zaa ALIMAZIGHI * * Laboratore des Systèmes Iformatques(LSI )- USTHB - ALGER selmoue@wssal.dz

Plus en détail

Calculs financiers. Auteur : Philippe GILLET

Calculs financiers. Auteur : Philippe GILLET Clculs fcers Auteur : Phlppe GILLET Le tux d térêt Pour l empruteur qu e dspose ps des fods écessres, l représete le prx à pyer pour ue cosommto mmédte. Pour le prêteur, l représete le prx ecssé pour l

Plus en détail

Serie statistique double

Serie statistique double Sere statstque double Dstrbutos margales Actvté U relevé statstque des talles (e cm) et des pods Y (e kg) d u échatllo de 00 élèves a perms de costrure le tableau suvat : Y [0, 5[ [5, 50[ [50, 55[ [55,

Plus en détail

Chapitre 5 : Modèles probabilistes pour la recherche d information. - Modèle tri probabiliste (BIR et BM25) - Modèle de Langue

Chapitre 5 : Modèles probabilistes pour la recherche d information. - Modèle tri probabiliste (BIR et BM25) - Modèle de Langue Chaptre 5 : Modèles probablstes pour la recherche d formato - Modèle tr probablste BI et BM25 - Modèle de Lague Itroducto ourquo les probabltés? La I est u processus certa et mprécs Imprécso das l expresso

Plus en détail

IREM Section Martinique Groupe Lycée. QCM pour la classe de Terminale S

IREM Section Martinique Groupe Lycée. QCM pour la classe de Terminale S IREM Secto Matque Goupe Lycée QCM pou la classe de Temale S QCM : Calculatce o autosée Pou chaque questo, seules ou popostos sot vaes. Recope la ou les popostos vaes. Sot f la focto défe su IR pa f ( )

Plus en détail

Nombres complexes Sessions antérieures

Nombres complexes Sessions antérieures ème aée Maths Nombres complexes Sessos atéreures Aée scolare 9 - A LAATAOUI Exercce N (SP) Das le pla complexe P rapporté à u repère orthoormé ( Ouv ; ; ) o cosdère les pots A et B d affxes respectves

Plus en détail

Spécialité : Physique

Spécialité : Physique ENSC-( UMR 8537) THESE DE DOCTORAT DE L ECOLE NORMALE SUPERIEURE DE CACHAN Présetée par Yacouba SANOGO pour obter le grade de DOCTEUR DE L ECOLE NORMALE SUPERIEURE DE CACHAN Spécalté : Physque Sujet de

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 003 EPREUVE SPECIFIQUE FILIERE MP MAHEMAIQUES 1 Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la plus grade mportace à la clarté, à la précso et à la cocso de la

Plus en détail

Ressources pour le lycée général et technologique

Ressources pour le lycée général et technologique éduscol Ressources pour le lycée gééral et techologque Ressources pour le cycle termal gééral et techologque Mesure et certtudes Ces documets peuvet être utlsés et modés lbremet das le cadre des actvtés

Plus en détail

MAT4081 Chapitre 3 Régression 3 Transformation de variables

MAT4081 Chapitre 3 Régression 3 Transformation de variables MAT408 Chaptre 3 Régresso 3 Trasformato de varables Les graphques ou les techques dagostques peuvet révéler des volatos des hypothèses de la régresso léare : hétéroscédastcté, par exemple, ou absece de

Plus en détail

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce SETIT 2005 3 RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES OF INFORMATION AND TELECOMMUNICATIONS MARCH 27-3, 2005 TUNISIA Cocepto d u outl décsoel pour la gesto de la relato clet das

Plus en détail

Alain MORINEAU

Alain MORINEAU www.deeov.com Ala MORINEAU Cet artcle est ue reprse et u extrat de l artcle «Note sur la Caractérsato Statstque d'ue Classe et les Valeurs-tests», publé das la revue Bullet Techque du Cetre de Statstque

Plus en détail

I. Moyenne, variance et écart-type d une série statistique

I. Moyenne, variance et écart-type d une série statistique I Moyee, varace et écart-type d ue sére statstque Sére statstque dscrète : Eemple d ue sére statstque dscrète : Preos le cas d ue classe de élèves qu réalset u devor oté sur 5 La sére statstque dscrète

Plus en détail

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!!

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!! Cours : Statstques I. Itroducto Classe de ère S O a vu que our caractérser ue sére statstque, o utlse des : - aramètres de tedace cetrale : - la moyee ; - la médae. Ils ermettet d dquer la «osto» de la

Plus en détail

Calcul des pertes du distributeur

Calcul des pertes du distributeur Clcul des pertes du dstrbuteur Jver 007 Clcul des pertes du dstrbuteur Tros étpes : Clcul des pertes techques pr tpe d ouvrge Modélsto des pertes o techques (PNT) Modélsto d ue courbe de tpe P²+bP+c ou

Plus en détail

Traitement Numérique du Signal (Partie 2)

Traitement Numérique du Signal (Partie 2) II Tratemet umérque du Sgal Parte Support de cours Olver SETIEYS seteys@essat.fr http://rd.essat.fr/esegemets/ts/ts.php Pla du cours Parte II IV. Aalyse des fltres umérques. Spécfcato, classfcato, représetato.

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

Plus en détail

Les nombres complexes

Les nombres complexes haptre 6 termale S Les ombres complexes 1 hstorque et créato : N Z ID Q R es esembles ot été costruts au fl de l hstore grâce à u même problème : certaes équatos ot des solutos das u esemble doé mas d

Plus en détail

Remboursement d un emprunt par annuités constantes

Remboursement d un emprunt par annuités constantes Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)

Plus en détail

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier).

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier). Bla UE 1C G. EXERCICES BILAN Exercce 1 : Aaloge etre équlbres acdo-basques et équlbres de complexato (Applcato du Prcpe de Le Châteler). Objectfs de l'exercce - Coassaces/Compéteces testées das cet exercce

Plus en détail

NOMBRES COMPLEXES EXERCICES CORRIGES

NOMBRES COMPLEXES EXERCICES CORRIGES Cours et exercces de mathématques NOMRES COMPLEXES EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; Exercce. Calculer, et = ; = ; = ; 5 006 009 E dédure

Plus en détail

COUPLE DE VARIABLES ALEATOIRES. On considère deux variables aléatoires X et Y. On aimerait connaitre s il y a influence entre ces deux variables.

COUPLE DE VARIABLES ALEATOIRES. On considère deux variables aléatoires X et Y. On aimerait connaitre s il y a influence entre ces deux variables. COUPLE DE VARIABLES ALEATOIRES O cosdère deux varables aléatores et. O amerat coatre s l y a fluece etre ces deux varables. I Coule de varables dscrètes : 1) Lo ote : Soet et deux varables dscrètes, à

Plus en détail

Pricing Avancé pour Exotiques FINKEYS FRANCE

Pricing Avancé pour Exotiques FINKEYS FRANCE Prcg Avacé pour Exotques Esegat Phlppe DUCHEMIN, Cosultat Formateur. www.fkeys.com (accès au cours) Cosultat : «Product Cotrol» CNP, chox d u outl Frot to Compta SOCIETE GENERAL SGCIB - Product Cotrol

Plus en détail

UNE METHODE DE DIMENSIONNEMENT DE LIGNES DE TRANSFERT VIA L ANALYSE DE PERTURBATION FINIE

UNE METHODE DE DIMENSIONNEMENT DE LIGNES DE TRANSFERT VIA L ANALYSE DE PERTURBATION FINIE 3 e Coférece Fracophoe de MOdélsato et SIMulato «Cocepto, Aalyse et Gesto des Systèmes Idustrels» MOSIM 0 du 25 au 27 avrl 200 - Troyes (Frace) UNE METHODE DE DIMENSIONNEMENT DE LIGNES DE TRANSFERT VIA

Plus en détail

Du traitement de l information visuelle à la planification de trajectoires : Application à la robotique mobile d assistance.

Du traitement de l information visuelle à la planification de trajectoires : Application à la robotique mobile d assistance. Du tratemet de l formato vsuelle à la plafcato de trajectores : Applcato à la robotque moble d assstace. Mohamed Mocef Be Khelfa, Moez Bouchoucha Docteurs e Sceces et echologe Idustrelles, Postdocs au

Plus en détail