(VM(t i ),Q(t i+j ),VM(t i+j ))

Dimension: px
Commencer à balayer dès la page:

Download "1.5 0.5 -0.5 -1.5 0 20 40 60 80 100 120. (VM(t i ),Q(t i+j ),VM(t i+j ))"

Transcription

1 La logique oue dans les PME/PMI Application au dosage de l'eau dans les bétons P.Y. Glorennec INSA de Rennes/IRISA C. Hérault Hydrostop V. Hulin Hydrostop T. Le Quézourec Jessica Ouest Résumé Le dosage automatique de l'eau pour la fabrication de béton est un problème assez dicile. Il faut en eet obtenir le plus rapidement possible un produit de plasticité donnée, alors que la plasticité réelle n'est connue qu'après un temps de malaxage et d'homogénéisation assez long. La société Hydrostop commercialise un procédé empirique assez able pour le dosage de l'eau, mais a souhaité l'améliorer pour réduire si possible le temps de malaxage et introduire des sécurités qui n'existent pas à l'heure actuelle. Un nouveau procédé, basé sur la logique oue, a été développé grâce au soutien de Jessica Ouest. Le principe consiste à prédire en temps réel la plasticité du béton. Pour cela, un apprentissage en ligne permet de constituer automatiquement une base de connaissances à partir de quelques points de mesure initiaux. Mots clés : intelligence articielle, logique oue, sonde virtuelle, diagnostic, prévision du volume d'eau, apprentissage automatique. 1 Introduction La société Hydrostop est une très petite entreprise de quatre personnes, qui contrôle environ 70% du marché français des systèmes de dosage automatique de l'eau dans le béton. Le béton produit est destiné à être versé dans des moules pour obtenir des produits assez variés : plaques, parpaings, tuyaux etc. Selon son utilisation, le béton qui sort du malaxeur doit avoir une plasticité donnée, fonction de sa teneur en eau : trop sec, le remplissage des moules serait mal eectué ; trop mouillé, le produit démoulé se déformerait. Hydrostop a mis au point un procédé empirique simple assez able, en utilisant une sonde résistive pour estimer la teneur en eau du mélange. La diculté du problème vient du fait que la plasticité réelle n'est connue que lorsque le mélange agrégat-ciment-eau est parfaitement homogénéisé : la résistivité achée n'est pas égale à la résistivité réelle 1. De ce fait, un manque ou un excès d'eau ne peuvent pas être détectés à temps : dans les deux cas la gâchée est perdue. Le procédé actuel consiste à apporter de l'eau en continu jusqu'à un 1. Elle ne le devient qu'après un temps de malaxage susamment long.

2 certain point, xé par l'utilisateur ou automatiquement, puis à compléter le dosage par des petites impulsions d'eau. Pour abiliser le procédé, Hydrostop a fait appel à Jessica Ouest, qui a nancé une expertise sur la faisabilité d'un procédé basé sur la logique oue, ainsi qu'une formation en entreprise. Le plan de l'exposé est le suivant. Le paragraphe 2 présente rapidement la logique loue. Le problème posé par Hydrostop est décrit au paragraphe 3 et la méthode utilisée au paragraphe 4. 2 La logique oue La logique oue possède de multiples facettes, mais, dans cet exposé, nous n'aborderons que son utilisation pour le traitement des connaissances dans des problèmes industriels. Le traitement des connaissances comprend trois aspects : la représentation des connaissances, sous une forme proche du langage naturel, l'extraction automatique de connaissances interprétables, à partir de données numériques, la réactualisation des connaissances en tenant compte des erreurs. Les connaissances humaines sont souvent exprimées en utilisant des termes ous, comme petit, lent, chaud, etc, termes qui n'ont aucune signication intrinsèque mais qui sont immédiatementinterprétés correctement dans un contexte donné. Cette représentation présente l'avantage d'être totalement compréhensible et de décrire simplement des situations types. Un système d'inférence oue (SIF) se présente alors comme un outil de traitement de l'information en utilisant les connaissances disponibles. Une démarche basée sur la logique oue comporte plusieurs étapes. 1. Pour chaque variable (par exemple, la température, la quantité d'eau...), on réalise une partition grossière du domaine de variation. Cette partition est caractérisée par des sous-ensembles ous auxquels on associe des termes linguistiques. Cette partition permet de résumer de façon qualitative les valeurs de la variable : x est petit est une caractérisation d'un ensemble de valeurs que peut prendre la variable x. petit moyen grand 0,6 0,4 x 0 Fig. 1Partition oue sur le domaine d'une variable

3 2. Il faut ensuite dénir, sur le domaine de chaque variable, des fonctions d'appartenance associées aux sous-ensembles ous. Ces fonctions d'appartenance permettront de quantier précisément à quel degré une observation donnée de la variable appartient à un sous-ensemble ou. Par exemple, dans la gure 1, l'observation notée x 0 sera considérée comme petite à 40% et moyenne à 60%. 3. Il faut enn écrire, manuellement ou automatiquement, la base de règles. Il existe des algorithmes permettant d'enchaîner ces étapes. L'utilisateur n'a juste qu'à xer le nombre de sous-ensembles ous qu'il veut utiliser pour caractériser qualitativement les variations d'une variable, voir [1]. Les Systèmes d'inférence oue (SIF) peuvent approximer avec une précision xée à l'avance toute fonction continue d'un espace à n dimensions dans R : on parle de propriété d'approximation universelle. Cette propriété est vériée par d'autres modèles numériques, comme les ondelettes, les séries de Fourier, les réseaux de neurones etc. Les avantages de la logique oue par rapport aux autres modèles sont les suivants : les réponses d'un SIF sont prévisibles et explicables ; le degré de abilité d'une réponse est quantiable : si la base de connaissance ne permet pas de traiter un cas précis, l'utilisateur peut en être averti ; les règles peuvent être validées individuellement, soit a priori en utilisant la connaissance d'un expert, soit a posteriori après extraction automatique des règles. L'inconvénient majeur est qu'il faut se limiter à des problèmes de petite dimension, de moins de cinq ou six variables explicatives. Pour aller au delà, et si on veut garder une base de connaissances lisible, on doit utiliser des arbres de régression ous. 3 Application au dosage de l'eau dans les bétons Chaque usage du béton nécessite une plasticité déterminée. Cette plasticité est mesurée par une sonde résistive et est ensuite traduite par un nombre, appelé valeur de mouillage (VM), variant entre 0 (mélange très sec) à 120 (mélange très mouillé). Les systèmes de dosage commandent l'arrivée d'eau pour obtenir une VM de consigne. De nombreux paramètres interviennent dans une gâchée : le volume de la gâchée, la teneur en eau initiale des agrégats, leur température, la granulométrie des composants, la quantité d'eau versée, la valeur de la consigne. Par ailleurs, la mesure de résistivité n'est pas linéaire : elle est innie pour un mélange très sec et tend vers zéro quand il devient très mouillé. Enn, les mesures intermédiaires de résistivité ne sont pas ables. Pour réduire la complexité, chaque usage du béton correspond à un ensemble de paramètres regroupés dans une recette. Une centrale à béton utilise généralement plusieurs dizaines de recettes qui sont utilisées dans un ordre quelconque, en fonction des besoins et de la disponibilité des moules. Lors de l'établissement d'une recette, l'exploitant ajuste à vue la quantité d'eau nécessaire pour obtenir la plasticité requise, attend l'homogénéisation complète et enregistre la VM mesurée : cette VM devient alors la consigne associée à la recette. Cependant, pour une même VM de consigne, les quantités d'eau nécessaires varient de manière trop importante d'une gâchée à une autre, si bien que cette valeur ne peut pas être associée à la recette.

4 En analysant 44 gâchées consécutives eectuées sur trois jours dans le même malaxeur, on constate que la VM réelle en n de cycle dépasse souvent la consigne de quelques unités. Dans le tableau 1, la colonne écart indique le dépassement en n de cycle, en unités de VM ; les colonnes suivantes donnent le nombre de cas où ce dépassement est observé ainsi que le pourcentage ; enn, la colonne VM donne la valeur moyenne des VM pour lesquelles le dépassement a été observé. Sur les 44 gâchées analysées, cette dernière colonne montre nettement que les consignes de mouillage faibles sont plus diciles que les autres à respecter. Le tableau montre aussi qu'il y a manifestement une certaine diculté à règler nement les diérents paramètres d'une gâchée. écart nombre % VM ,8 106, ,6 100, ,5 95, ,8 95, ,1 95, ,1 78,5 Tab. 1 Analyse de 44 gâchées consécutives portant sur 9 recettes et diérentes VM de consigne. Une première partie de l'étude a consisté à rechercher un modèle ou du procédé. Le problème principal provenant de l'inertie de la sonde, il a été décidé de chercher à modéliser la VM réelle instantanée, c'est-à-dire la VM qui serait mesurée si on arrétait l'arrivée d'eau et si on attendait l'homogénéisation. Cette valeur modélisée est par la suite appelée VM virtuelle et notée VM v (t). Les variables explicatives sont: la résistivité du mélange initial, avant tout apport d'eau et après un temps de malaxage susant, notée VM init, la quantité d'eau à l'instant t, Q(t), Le modèle est donc : VM v (t) =f(vm init,q(t)) (1) La fonction de régression, f, est un SIF pour lequel le domaine de variation des deux entrées a été découpé en quatre sous-ensembles ous, ce qui conduit à un système de 16 règles. Ces règles ont été extraites automatiquement à partir de données réelles provenant d'un même malaxeur et pour une même recette. Les données ont été divisées en deux : une partie pour l'apprentissage et l'autre pour tester les capacités de généralisation du SIF obtenu. La gure 2 montre que les erreurs de modélisation restent inférieures à deux unités, ce qui est très satisfaisant. Il est donc possible d'utiliser un tel modèle pour agir sur l'électro-vanne d'eau. 4 Le nouveau procédé de dosage Chaque centrale à béton et chaque recette constituent des cas particuliers. Il n'est donc pas possible d'écrire a priori un système de règles unique, valable dans tous les cas. Il n'est pas, non plus, envisageable d'exiger une campagne de mesure comme préalable à

5 Fig. 2Erreur de modélisation pour une recette. l'établissement d'une recette. Les contraintes à respecter sont très fortes et peuvent être résumées comme suit : le système doit être totalement auto-adaptatif, il ne doit nécessiter que une ou deux gâchées pour l'initialisation d'une recette 2 l'apprentissage doit se faire en ligne. Un nouveau protocole a donc été adopté. Il se divise en deux : un protocole pour l'établissement d'une recette et un second pour l'exploitation normale. 4.1 Etablissement d'une recette L'objectif est d'obtenir le plus de renseignements possible à partir de la gâchée d'initialisation. La seule diérence avec le protocole précédent, c'est qu'il sera demandé à l'exploitant d'eectuer des poses au cours de la gâchée d'initialisation, pour permettre des homogénéisations intermédiaires. Le but est d'obtenir des triplets : (VM(t i ),Q(t i+j ),VM(t i+j )) avec i 0 et j 1. VM(t i ) représente la VM mesurée à l'instant t i, Q(t i+j ) représente la quantité d'eau versée jusqu'à l'instant t i+j et VM(t i+j ) la VM résultante, VM init = VM(t 0 ). Ces triplets permettront seulement de n'initialiser que quelques règles du SIF. Les autres règles seront alors obtenues par diusion de la connaissance (voir [1]). Elles devront être conrmées ultérieurement par apprentissage en ligne. L'établissement d'une recette permet donc de remplir complètement la base de règles de valeurs réalistes, en partant d'une base de règles vide. 4.2 Exploitation du modèle Dès l'initialisation, le modèle précédent est exploitable mais demande à être ané : certaines règles, qui correspondent à des situations très diérentes de celles qui ont été rencontrées lors de l'initialisation, ne sont que des estimations. Le protocole standard peut 2. Actuellement, il faut nécessairement une gâchée d'initialisation pour chaque recette.

6 être décrit de la façon suivante. 1. Malaxage initial pour obtenir une valeur able de VM init. 2. Apport d'eau en continu tant que VM v (t) <VM cons ɛ (2) où VM cons représente la consigne et ɛ une marge de sécurité. 3. Malaxage nal pour obtenit la VM réelle. 4. Correction éventuelle des règles si l'erreur de modélisation dépasse un seuil. Comme le SIF peut acher le degré de abilité de sa réponse, il est aussi possible de modier automatiquement le protocole standard pour permettre l'introduction de points de mesures complémentaires. Cette fonctionnalité ne sera cependant pas implémentée dans l'immédiat. 5 Conclusion La nouvelle version du système de dosage de l'eau est en cours de codage sur les automates de Hydrostop. Parallèlement, une applet écrite en langage Java a été écrite et sera bientôt disponible sur le site Web de Hydrostop. Cet applet aura pour but : de servir de démonstrateur du nouveau système, mais aussi de permettre une prise en main plus aisée par les utilisateurs. En eet, un modèle de gâchée a été implémenté et l'utilisateur pourra s'entrainer dans des conditions proches des conditions réelles. Références [1] P.Y. Glorennec, Algorithmes d'apprentissage pour systèmes d'inférence oue, Editions Hermès, 1999.

Gestion d'un entrepôt

Gestion d'un entrepôt Gestion d'un entrepôt Épreuve pratique d'algorithmique et de programmation Concours commun des écoles normales supérieures Durée de l'épreuve: 3 heures 30 minutes Juin/Juillet 2010 ATTENTION! N oubliez

Plus en détail

GOUTTE. Analyse Statistique des Données Cours 4. Master 2 EID. LUISS, Libera Università Internazionale degli Studi Sociali

GOUTTE. Analyse Statistique des Données Cours 4. Master 2 EID. LUISS, Libera Università Internazionale degli Studi Sociali LUISS, Libera Università Internazionale degli Studi Sociali Université Paris 13 Laboratoire Analyse, Géométrie et Applications UMR 7539 GOUTTE Analyse Statistique des Données Cours 4 Master 2 EID goutte@math.univ-paris13.fr

Plus en détail

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

Compte-rendu de projet de Système de gestion de base de données

Compte-rendu de projet de Système de gestion de base de données Compte-rendu de projet de Système de gestion de base de données Création et utilisation d'un index de jointure LAMBERT VELLER Sylvain M1 STIC Université de Bourgogne 2010-2011 Reponsable : Mr Thierry Grison

Plus en détail

0- Le langage C++ 1- Du langage C au langage C++ 2- Quelques éléments sur le langage. 3- Organisation du cours

0- Le langage C++ 1- Du langage C au langage C++ 2- Quelques éléments sur le langage. 3- Organisation du cours 0- Le langage C++ 1- Du langage C au langage C++ 2- Quelques éléments sur le langage 3- Organisation du cours Le présent cours constitue une introduction pour situer le langage C++, beaucoup des concepts

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

Calcul rapide des puissances

Calcul rapide des puissances Calcul rapide des puissances Par Mathtous Il s'agit de puissances à exposant entier naturel (avec la convention a 0 = 1, et a 1 = a). Si on applique la dénition pour calculer a n, on calcule de proche

Plus en détail

La Solution Crypto et les accès distants

La Solution Crypto et les accès distants La Solution Crypto et les accès distants Introduction L'objectif de ce document est de présenter les possibilités d'accès distants à La Solution Crypto. Cette étude s'appuie sur l'exemple d'un groupement

Plus en détail

L INFORMATION GEOGRAPHIQUE

L INFORMATION GEOGRAPHIQUE Champs sur Marne ENSG/CERSIG Le 19-nove.-02 L INFORMATION GEOGRAPHIQUE Archivage Le Système d information géographique rassemble de l information afin de permettre son utilisation dans des applications

Plus en détail

Questionnaire TI N'Spire Quelques éléments d'analyse et de comparaison

Questionnaire TI N'Spire Quelques éléments d'analyse et de comparaison Questionnaire TI N'Spire Quelques éléments d'analyse et de comparaison Gilles Aldon Juillet 2007 Contexte Le premier questionnaire a été mis en ligne en décembre, et a été rempli par 207 élèves dont 176

Plus en détail

Algorithmes d'apprentissage

Algorithmes d'apprentissage Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt

Plus en détail

L artisan de sa maison maçonnerie

L artisan de sa maison maçonnerie L artisan de sa maison maçonnerie Michel & christophe Branchu Groupe Eyrolles, 2011 ISBN 978-2-212-13316-5 Sommaire 1 Béton 4 a. Gâcher du béton 4 b. Gâcher du mortier 9 Tableau de dosage du béton 8 Tableau

Plus en détail

NOTICE D'UTILISATION DE LA BARATTE À BEURRE Référence BAR01

NOTICE D'UTILISATION DE LA BARATTE À BEURRE Référence BAR01 NOTICE D'UTILISATION DE LA BARATTE À BEURRE Référence BAR01 Merci de lire ce mode d'emploi avant toute utilisation afin d'obtenir un fonctionnement correct et en toute sécurité. NE PAS LAISSER UN ENFANT

Plus en détail

Codage des données en machine.

Codage des données en machine. Codage des données en machine. 1 Entiers naturels Changements de base Codage en machine 2 Entiers relatifs : codage en complément à 2 Dénition Addition et calcul de l'opposé en complément à 2 3 Représentation

Plus en détail

Informatiques. Module : Outils RAD

Informatiques. Module : Outils RAD Management de Projets Informatiques Module : Outils RAD Niveau : S4 du L2/ISIL Génie Logiciel Le terme génie logiciel (en anglais software engineering) désigne l'ensemble des méthodes, des techniques et

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

REPRÉSENTATION DES NOMBRES EN MACHINE

REPRÉSENTATION DES NOMBRES EN MACHINE Info 2 REPRÉSENTATION DES NOMBRES EN MACHINE Problématique Dans la mémoire d'un ordinateur, les données sont représentées sous forme de séquences de 0 et de 1. Par conséquent, toute information mémorisée

Plus en détail

FAQ: revo Monitoring System: rms

FAQ: revo Monitoring System: rms FAQ: revo Monitoring System: rms V161011fr 1.De quoi est composé le système rms?...1 2.Comment le rms prédit-il la durée de chaux restante?...3 3.Puis-je mettre à jour mon Shearwater actuel avec le rms?...3

Plus en détail

Réunion des comités roulements et GPS

Réunion des comités roulements et GPS 24 Réunion des comités roulements et GPS Dès publication de la nouvelle version de la norme ISO 492, les tolérances dimensionnelles des roulements et les systèmes ISO de limites et d ajustements pourront

Plus en détail

Quels usages des données massives pour les statistiques publiques? Enjeux, méthodes et perspectives

Quels usages des données massives pour les statistiques publiques? Enjeux, méthodes et perspectives Quels usages des données massives pour les statistiques publiques? Enjeux, méthodes et perspectives Stéphanie Combes et Pauline Givord (DMCSI) INSEE-DMSCI 02/04/2015 Plan Qu'est-ce que le Big Data? Les

Plus en détail

4. Indices de précipitations

4. Indices de précipitations 4. Indices de précipitations Cette partie présente les évolutions prévues de cinq indices de précipitations. Il s agit de moyennes annuelles (voir annexes 1 à 4 pour les valeurs saisonnières). Il est à

Plus en détail

Polytech Lille GIS4 Projet de PPO

Polytech Lille GIS4 Projet de PPO Polytech Lille GIS4 Projet de PPO 2014-2015 http ://weppes.studserv.deule.net/ bcarre/gis4/2014/tutorat-ppo L'objectif est de concevoir un noyau de représentation et de calcul pour grilles de tableurs

Plus en détail

Initiation à la fouille de données et à l apprentissage automatiq

Initiation à la fouille de données et à l apprentissage automatiq Initiation à la fouille de données et à l apprentissage automatique 1 Laboratoire d Informatique Fondamentale de Marseille Université de Provence christophe.magnan@lif.univ-mrs.fr www.lif.univ-mrs.fr/

Plus en détail

Recherche dans un tableau

Recherche dans un tableau Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6

Plus en détail

Estimation des charges. «Le travail se dilate jusqu à remplir le temps disponible»

Estimation des charges. «Le travail se dilate jusqu à remplir le temps disponible» «Le travail se dilate jusqu à remplir le temps disponible» Le savoir faire du chef de projet Pas d excès d optimisme Retour sur expérience Toujours garder de la marge Identifier les points à risque Ne

Plus en détail

***I PROJET DE RAPPORT

***I PROJET DE RAPPORT PARLEMENT EUROPÉEN 2009-2014 Commission des transports et du tourisme 20.6.2013 2011/0327(COD) ***I PROJET DE RAPPORT sur la proposition de directive du Parlement européen et du Conseil modifiant la directive

Plus en détail

A PROPOS DE BASES DE DONNEES

A PROPOS DE BASES DE DONNEES A PROPOS DE BASES DE DONNEES DES PRIX DE CONSTRUCTION INTERNATIONALES Dans ce document, "estimate" et "Devis et Métrés" se réfèrent à un même document, une liste d unités de travail, regroupées en chapitres,

Plus en détail

Système Expert pour Smartphones

Système Expert pour Smartphones INSA Rennes Département INFORMATIQUE Système Expert pour Smartphones Rapport de Planification Olivier Corridor;Romain Boillon;Quentin Decré;Vincent Le Biannic;Germain Lemasson;Nicolas Renaud;Fanny Tollec

Plus en détail

Guide Calc. Annexe C Codes erreurs Calc

Guide Calc. Annexe C Codes erreurs Calc Version 4.0 Guide Calc Annexe C Codes erreurs Calc LibreOffice est une marque déposée de The Document Fondation Plus d informations sur fr.libreoffice.org Copyright Ce document est Copyright 2010 2013

Plus en détail

1 EVALUATION DES OFFRES ET NEGOCIATIONS

1 EVALUATION DES OFFRES ET NEGOCIATIONS CERN LIBRARIES, GENEVA CM-P00090679 1 EXTRAIT DU REGLEMENT INTERNE APPLIQUE PAR L'ADMINISTRATION DANS L'ATTRIBUTION DES MARCHES DU CERN 1 EVALUATION DES OFFRES ET NEGOCIATIONS 1.0 Ouverture et évaluation

Plus en détail

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 Arbres binaires Hélène Milhem Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 H. Milhem (IMT, INSA Toulouse) Arbres binaires IUP SID 2011-2012 1 / 35 PLAN Introduction Construction

Plus en détail

Correction du baccalauréat STMG Polynésie 17 juin 2014

Correction du baccalauréat STMG Polynésie 17 juin 2014 Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé

Plus en détail

Morgan Beau Nicolas Courazier

Morgan Beau Nicolas Courazier EPSI - 2010 Rapport projet IA Conception et mise en œuvre d un générateur de systèmes experts Morgan Beau Sommaire Cahier des charges 3 Présentation générale 4 Analyse et modélisation 6 Le moteur d inférence

Plus en détail

METHODOLOGIE : INGENIERIE DES SYSTEMES

METHODOLOGIE : INGENIERIE DES SYSTEMES METHODOLOGIE : INGENIERIE DES SYSTEMES L ingénierie de systèmes regroupe l ensemble des activités de pilotage des projets de construction effective d un système en s appuyant sur sa décomposition architecturale

Plus en détail

Lot 7 : Document Recette

Lot 7 : Document Recette Lot 7 : Document Recette Référence Document_Recette.pdf Version 2.0 Date 18/06/2009 Auteur Chef de projet Equipe INOVECO Lionel Croix Le présent document reprend le cahier des charges que l on s était

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

Druais Cédric École Polytechnique de Montréal. Résumé

Druais Cédric École Polytechnique de Montréal. Résumé Étude de load balancing par un réseau de neurones de types HME (Hierarchical Mixture of s). Druais Cédric École Polytechnique de Montréal Résumé Cet article tente d introduire le principe de load balancing

Plus en détail

Machine de Turing. Informatique II Algorithmique 1

Machine de Turing. Informatique II Algorithmique 1 Machine de Turing Nous avons vu qu un programme peut être considéré comme la décomposition de la tâche à réaliser en une séquence d instructions élémentaires (manipulant des données élémentaires) compréhensibles

Plus en détail

Diagrammes de décisions binaires

Diagrammes de décisions binaires Diagrammes de décisions binaires Épreuve pratique d'algorithmique et de programmation Concours commun des écoles normales supérieures Durée de l'épreuve: 3 heures 30 minutes Juillet 2009 ATTENTION! N oubliez

Plus en détail

3. Qu'est-ce qu'une image numérique? 3.1 Pixels et niveaux de gris

3. Qu'est-ce qu'une image numérique? 3.1 Pixels et niveaux de gris 3. Qu'est-ce qu'une image numérique? 3.1 Pixels et niveaux de gris PLAN 3.1.1 Image numérique et image analogique 3.1.2 Résolution 3.1.3 Niveaux de gris 3.1.4 L'image numérique : un tableau d'entiers 3.1.1

Plus en détail

Héritage en java : Calculatrice SDC

Héritage en java : Calculatrice SDC Programmation orientée objet L3 MIAGE Héritage en java : Calculatrice SDC Travail à rendre : le code complet du projet SDC sous forme d une archive tar.gz. L archive comportera trois répertoires : un répertoire

Plus en détail

EXEMPLE D'UNE INSTALLATION

EXEMPLE D'UNE INSTALLATION T H E R M O P T I M PRISE EN MAIN EXEMPLE D'UNE INSTALLATION DE CONDITIONNEMENT D'AIR VERSIONS JAVA 1.3 ET SUPERIEURES R. GICQUEL SEPTEMBRE 2013 2 SOMMAIRE PRISE EN MAIN DE THERMOPTIM... 3 INSTALLATION

Plus en détail

OPTIONS DE CONTRÔLE POUR MONTURES EQUATORIALES

OPTIONS DE CONTRÔLE POUR MONTURES EQUATORIALES POC : EQMOD Yahoo! Group OPTIONS DE CONTRÔLE POUR MONTURES EQUATORIALES Version 1.0 control_pc.odt - Page 1/7-31/03/2011 POC : EQMOD Yahoo! Group HISTORIQUE VERSION DATE REDACTION VALIDATION COMMENTAIRE

Plus en détail

2B La résolution de modèles linéaires par Excel 2010

2B La résolution de modèles linéaires par Excel 2010 2B La résolution de modèles linéaires par Excel 2010 Nous reprenons ici, de façon plus détaillée, la section où est indiqué comment utiliser le solveur d'excel 2010 pour résoudre un modèle linéaire (voir

Plus en détail

Simulation avancée du procédé d injection

Simulation avancée du procédé d injection Simulation avancée du procédé d injection JT «Conception et optimisation numérique en plasturgie» Jeudi 30 juin Ronan Le Goff Sommaire Introduction Modèle numérique Cas d étude Paramètres rhéo Stratégies

Plus en détail

PRESENTOIR VERRES ET BOUTEILLE A WHISKY

PRESENTOIR VERRES ET BOUTEILLE A WHISKY Plan d'expériences TAGUCHI Nom Prénom Protocole d'expérimentation Date Indice PRESENTOIR VERRES ET BOUTEILLE A WHISKY GROUPE D'EXPERIMENTATION Nom Prénom Nom Prénom Nom Prénom Nom Prénom Fonction Fonction

Plus en détail

Vers l'ordinateur quantique

Vers l'ordinateur quantique Cours A&G Vers l'ordinateur quantique Données innies On a vu dans les chapîtres précédents qu'un automate permet de représenter de manière nie (et même compacte) une innité de données. En eet, un automate

Plus en détail

6. ETATS DE SURFACE 6.2. Défauts de rugosité

6. ETATS DE SURFACE 6.2. Défauts de rugosité 6. ETATS DE SURFACE 6.1. Définition Une surface réelle usinée n'est jamais parfaite, elle présente toujours des défauts par suite des erreurs systématiques d imperfections, admissibles dans la fabrication.

Plus en détail

Compte-rendu de projet de Cryptographie

Compte-rendu de projet de Cryptographie Compte-rendu de projet de Cryptographie Chirement/Déchirement de texte, d'images de sons et de vidéos LAMBERT VELLER Sylvain M1 STIC Université de Bourgogne 2010-2011 Reponsable : Mr Pallo Table des matières

Plus en détail

Compte rendu de LA37 B, TP numéro 1. Evolution de la température et du degrée d'hydratation

Compte rendu de LA37 B, TP numéro 1. Evolution de la température et du degrée d'hydratation 4 6 8 2 4 8 22 26 3 34 38 42 46 5 54 58 62 66 7 74 78 83 89 96 8 44 Bertin Morgan Compte rendu de LA37 B, TP numéro. Les essais effectués par le laboratoire des ponts et chaussés nous ont fournis la température

Plus en détail

Type de ressources : aide à la prise en main de logiciels permettant le traitement numérique des calculs d incertitudes

Type de ressources : aide à la prise en main de logiciels permettant le traitement numérique des calculs d incertitudes Niveau : terminale S. Thème : Calcul d incertitudes à l aide d outils numériques Type de ressources : aide à la prise en main de logiciels permettant le traitement numérique des calculs d incertitudes

Plus en détail

BETONS REFRACTAIRES ISOLANTS BETON REFRACTAIRES DENSES. Conseils de mise en œuvre

BETONS REFRACTAIRES ISOLANTS BETON REFRACTAIRES DENSES. Conseils de mise en œuvre BETONS REFRACTAIRES ISOLANTS BETON REFRACTAIRES DENSES Conseils de mise en œuvre Les bétons Manville sont livrés «prêt à l emploi». Ils sont élaborés à partir de matières premières sélectionnées dont les

Plus en détail

Guide Calc. Appendice C Codes erreurs Calc

Guide Calc. Appendice C Codes erreurs Calc Guide Calc Appendice C Codes erreurs Calc Copyright Ce document est Copyright 2010 2012 par ses contributeurs tels que listés ci-dessous. Vous pouvez le distribuer et/ou le modifier sous les termes des

Plus en détail

Les principes généraux de la Comptabilité

Les principes généraux de la Comptabilité Les principes généraux de la Comptabilité présentés par Georg NANEIX Conseiller fiscal gnaneix@fiscal-legal.net 1. Introduction Il est toujours nécessaire, voire indispensable, de connaître les principes

Plus en détail

7.5.5 Réglage niveau (niveau de remplissage, Min/Max)

7.5.5 Réglage niveau (niveau de remplissage, Min/Max) Supplément aux instructions d'emploi iks aquastar pour la fonctionnement du réglage du niveau min/max et pour la function luminosité à partir de la version 2.25. 7.5.5 Réglage niveau (niveau de remplissage,

Plus en détail

Journées d études IARD

Journées d études IARD Journées d études IARD Gestion des risques liés à la refonte tarifaire d un portefeuille automobile Niort, le 20 mars 2014 Marie Foucher mfoucher@galea-associes.eu Pierre Thérond ptherond@galea-associes.eu

Plus en détail

TP Maîtrise Statistique des Procédés

TP Maîtrise Statistique des Procédés TP Maîtrise Statistique des Procédés Vous allez utiliser un programme informatique «SIMDI Tour» qui simule (sommairement) le fonctionnement d un tour à commande numérique. Pendant ce TP, qui se déroule

Plus en détail

Fiche PM300 - Préparer le planning d un projet. 1.Introduction : un outil en support...2. 2.Première étape : La création des ressources...

Fiche PM300 - Préparer le planning d un projet. 1.Introduction : un outil en support...2. 2.Première étape : La création des ressources... Fiche PM300 - Préparer le planning d un projet Table des matières 1.Introduction : un outil en support...2 2.Première étape : La création des ressources...3 3.Deuxième étape : Le canevas méthodologique

Plus en détail

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes. Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis

Plus en détail

Claude Delannoy. Exercices C++ en langage. 3 e édition. Groupe Eyrolles, 1997, 1999, 2007, ISBN : 978-2-212-12201-5

Claude Delannoy. Exercices C++ en langage. 3 e édition. Groupe Eyrolles, 1997, 1999, 2007, ISBN : 978-2-212-12201-5 Claude Delannoy Exercices en langage C++ 3 e édition Groupe Eyrolles, 1997, 1999, 2007, ISBN : 978-2-212-12201-5 Chapitre 3 Les fonctions Rappels Généralités Une fonction est un bloc d instructions éventuellement

Plus en détail

La démarche d investigation en mathématiques. 26 novembre 2008 La démarche d investigation en mathématiques P. KOBER- IUFM Nice

La démarche d investigation en mathématiques. 26 novembre 2008 La démarche d investigation en mathématiques P. KOBER- IUFM Nice La démarche d investigation en mathématiques 1) Qu est ce que la démarche d investigation en sciences? 2) Qu est-ce que faire des mathématiques? - Pour un chercheur Plan de cette intervention - Dans l

Plus en détail

J0MS7301 : Algorithmique et Programmation Objet. Feuille d'exercices 2. Structures

J0MS7301 : Algorithmique et Programmation Objet. Feuille d'exercices 2. Structures Master MIMSE - Spécialité 3-1ère Année J0MS7301 : Algorithmique et Programmation Objet Feuille d'exercices 2 Structures Exercice 1 : Ecrire un programme qui : dénit une structure horaire au format heures,

Plus en détail

Algorithmique Distribuée Communication de groupes

Algorithmique Distribuée Communication de groupes Algorithmique Distribuée Communication de groupes Laurent PHILIPPE Master 2 Informatique UFR des Sciences et Techniques 2013/2014 Laurent PHILIPPE Communication de groupes 1 / 58 Les outils Les groupes

Plus en détail

Environnement de programmation

Environnement de programmation Environnement de programmation 1.La programmation Les ordinateurs sont stupides! à un point dont on n'a pas idée. Ils ne réagissent ni ne répondent qu'à des situations ou à des données anticipées par le

Plus en détail

Introduction à la gestion de projets. Laurent Poinsot. Introduction. 26 janvier 2009

Introduction à la gestion de projets. Laurent Poinsot. Introduction. 26 janvier 2009 26 janvier 2009 Le modèle du est une méthodologie de développement logiciel qui est devenue un standard de l industrie logicielle. Ce modèle est constitué de deux phases : l une est dite descendante et

Plus en détail

Sauf mention contraire, le contenu de cet ouvrage est publié sous la licence : Creative Commons BY-NC-SA 2.0 La copie de cet ouvrage est autorisée

Sauf mention contraire, le contenu de cet ouvrage est publié sous la licence : Creative Commons BY-NC-SA 2.0 La copie de cet ouvrage est autorisée Sauf mention contraire, le contenu de cet ouvrage est publié sous la licence : Creative Commons BY-NC-SA 2.0 La copie de cet ouvrage est autorisée sous réserve du respect des conditions de la licence Texte

Plus en détail

Poker. A rendre pour le 25 avril

Poker. A rendre pour le 25 avril Poker A rendre pour le 25 avril 0 Avant propos 0.1 Notation Les parties sans * sont obligatoires (ne rendez pas un projet qui ne contient pas toutes les fonctions sans *). Celles avec (*) sont moins faciles

Plus en détail

CHAPITRE 6. Capteurs intelligents

CHAPITRE 6. Capteurs intelligents CHAPITRE 6 Capteurs intelligents Gwenaëlle TOULMINET asi 2002-2003 1 Introduction Développement industriel nécessite une instrumentation coûteuse Maîtrise des procédés de fabrication. Maîtrise de la qualité

Plus en détail

Types et langages de programmation. Algorithmique et Programmation Unisciel/K.Zampieri

Types et langages de programmation. Algorithmique et Programmation Unisciel/K.Zampieri Types et langages de programmation Algorithmique et Programmation Unisciel/K.Zampieri 1 Généalogie partielle des langages de programmation FORTRAN BASIC PL/1 PROLOG ALGOL60 COBOL C PASCAL ADA MODULA-2

Plus en détail

Développement du bois énergie : quel impact à terme sur le marché du bois en France?

Développement du bois énergie : quel impact à terme sur le marché du bois en France? Développement du bois énergie : quel impact à terme sur le marché du bois en France? Le développement du bois énergie va se traduire par une situation de concurrence entre les différents acteurs économiques

Plus en détail

Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101. Travail pratique #2

Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101. Travail pratique #2 Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101 Danny Dubé Hiver 2014 Version : 11 avril Questions Travail pratique #2 Traduction orientée-syntaxe

Plus en détail

Brique BDL Gestion de Projet Logiciel

Brique BDL Gestion de Projet Logiciel Brique BDL Gestion de Projet Logiciel Processus de développement pratiqué à l'enst Sylvie.Vignes@enst.fr url:http://www.infres.enst.fr/~vignes/bdl Poly: Computer elective project F.Gasperoni Brique BDL

Plus en détail

PG 110: Sujet de projet

PG 110: Sujet de projet PG 110: Sujet de projet 2012-2013 L'objectif de ce projet de programmation est la réalisation d'un jeu 2D en C. 1 Principes du jeu Nous voulons donner une dimension de jeu d'aventure à un jeu de type Bomberman

Plus en détail

Chapitre 0-2 Introduction générale au cours de BCPST1

Chapitre 0-2 Introduction générale au cours de BCPST1 Chapitre 0-2 Introduction générale au cours de BCPST Extrait du programme I. Les grandeurs en sciences physiques Définition : une grandeur est une observable du système On peut la mettre en évidence a.

Plus en détail

Projet de Veille Technologique

Projet de Veille Technologique Projet de Veille Technologique Programmation carte à puce - JavaCard Ing. MZOUGHI Ines (i.mzoughi@gmail.com) Dr. MAHMOUDI Ramzi (mahmoudr@esiee.fr) TEST Sommaire Programmation JavaCard Les prérequis...

Plus en détail

Code_Aster. Procédure IMPR_RESU aux formats 'RESULTAT' et 'ASTER' 1 But

Code_Aster. Procédure IMPR_RESU aux formats 'RESULTAT' et 'ASTER' 1 But Titre : Procédure IMPR_RESU aux formats 'RESULTAT' et 'AST[...] Date : 24/04/2013 Page : 1/9 Procédure IMPR_RESU aux formats 'RESULTAT' et 'ASTER' 1 But Écrire le maillage ou les résultats d'un calcul

Plus en détail

Cours de Java. Sciences-U Lyon. Java - Introduction Java - Fondamentaux Java Avancé. http://www.rzo.free.fr

Cours de Java. Sciences-U Lyon. Java - Introduction Java - Fondamentaux Java Avancé. http://www.rzo.free.fr Cours de Java Sciences-U Lyon Java - Introduction Java - Fondamentaux Java Avancé http://www.rzo.free.fr Pierre PARREND 1 Octobre 2004 Sommaire Java Introduction Java Fondamentaux Histoire de Java Machine

Plus en détail

Année Universitaire 2009/2010 Session 2 de Printemps

Année Universitaire 2009/2010 Session 2 de Printemps Année Universitaire 2009/2010 Session 2 de Printemps DISVE Licence PARCOURS : CSB4 & CSB6 UE : INF 159, Bases de données Épreuve : INF 159 EX Date : Mardi 22 juin 2010 Heure : 8 heures 30 Durée : 1 heure

Plus en détail

I. STRUCTURE D UNE FORMULE

I. STRUCTURE D UNE FORMULE Chapitre C II I. Structure d une formule... 1 II. Les fonctions intrinsèques de Excel... 2 II.1. Somme automatique... 2 II.2. La fonction Somme... 3 II.3. La fonction Moyenne... 3 II.4. La Fonction Entier...

Plus en détail

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE Paul Pașcu, Assist Prof, PhD, Ștefan cel Mare University of Suceava Abstract: This article aims to present a number

Plus en détail

a) La technique de l analyse discriminante linéaire : une brève présentation. 3 étapes de la méthode doivent être distinguées :

a) La technique de l analyse discriminante linéaire : une brève présentation. 3 étapes de la méthode doivent être distinguées : a) La technique de l analyse discriminante linéaire : une brève présentation. Nous nous limiterons ici à l'analyse discriminante linéaire et à deux groupes : - linéaire, la variante utilisée par ALTMAN

Plus en détail

Cours IFT6266, Exemple d application: Data-Mining

Cours IFT6266, Exemple d application: Data-Mining Cours IFT6266, Exemple d application: Data-Mining Voici un exemple du processus d application des algorithmes d apprentissage statistique dans un contexte d affaire, qu on appelle aussi data-mining. 1.

Plus en détail

Thème incertitude de mesure

Thème incertitude de mesure Thème incertitude de mesure Etude d'une démarche de métrologie en BTSA première année Production Aquacole (Dany Vert, LEGTA D'AHUN) Objectifs du référentiel et prérequis : Objectifs Objectif 4.2 : Réaliser

Plus en détail

E-MediatE, documentation pour l'utilisateur

E-MediatE, documentation pour l'utilisateur E-MediatE, documentation pour l'utilisateur 21 novembre 2011 Résumé Documentation à l'intention des utilisateurs du logiciel. Ce document présente, dans ses grandes lignes le fonctionnement du client E-MediatE.

Plus en détail

SCI03 - Analyse de données expérimentales

SCI03 - Analyse de données expérimentales SCI03 - Analyse de données expérimentales Introduction à la statistique Thierry Denœux 1 1 Université de Technologie de Compiègne tél : 44 96 tdenoeux@hds.utc.fr Automne 2014 Qu est ce que la statistique?

Plus en détail

Les réseaux bayésiens

Les réseaux bayésiens Les réseaux bayésiens Un outil de modélisation des connaissances incertaines par apprentissage à partir des données par modélisation interactive 2/1/23 SAMOS - BAYESIA 1 etit exemple contre-intuitif La

Plus en détail

Outils et Méthodes - Réseau social professionnel

Outils et Méthodes - Réseau social professionnel Outils et Méthodes - Réseau social professionnel Franck Sajous - CLLE-ERSS Ce document est disponible à l'adresse : http://w3.erss.univ-tlse2.fr/membre/fsajous/sdl/sl02358x/5/ 1 Diagramme de classes 1.1

Plus en détail

I] ETUDE STATISTIQUES SIMPLE

I] ETUDE STATISTIQUES SIMPLE INTRODUCTION Scilab (contraction de Scientific Laboratory) est un logiciel libre, développé à l'inria Rocquencourt. C'est un environnement de calcul numérique qui permet d'effectuer rapidement toutes les

Plus en détail

NCOSBL EN UN COUP D OEIL Présentation des états financiers1

NCOSBL EN UN COUP D OEIL Présentation des états financiers1 NCOSBL EN UN COUP D OEIL Présentation des états financiers1 Décembre 2014 Présentation des états financiers 1 ORGANISME SANS BUT LUCRATIF Entrée en vigueur: exercices ouverts à compter du 1 er janvier

Plus en détail

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1 Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe

Plus en détail

Figure 3.1- Lancement du Gambit

Figure 3.1- Lancement du Gambit 3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh

Plus en détail

Évaluation et implémentation des langages

Évaluation et implémentation des langages Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation

Plus en détail

Guide pour la conception d'une application en C

Guide pour la conception d'une application en C Guide pour la conception d'une application en C Ph. Preux DESS IMST, ULCO Novembre 1999 1 Principes généraux Une application informatique, dès qu'elle dépasse une centaine de lignes de code, doit impérativement

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

Coup de Projecteur sur les Réseaux de Neurones

Coup de Projecteur sur les Réseaux de Neurones Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche

Plus en détail

Crésus-comptabilité NMC

Crésus-comptabilité NMC 1 Crésus-comptabilité NMC Tables des matières 1. Introduction 3 1.1 Conventions dans ce manuel 3 1.2 Matériel et logiciel nécessaires 3 1.3 Installation 3 1.4 L'aide sur écran 3 2. Fonctionnement 4 2.1

Plus en détail

COMMANDE FILAIRE PLSB

COMMANDE FILAIRE PLSB INFORMATIONS TECHNIQUES NOTICE D INSTALLATION ET D ENTRETIEN RIDEAUX D AIR CHAUD COMMANDE FILAIRE PLSB PLSB = 0006000235 RD.CdePLS.B.2013V1 A lire attentivement avant toute opération d installation, d

Plus en détail

1 Exercice 1 Question de cours (4 points)

1 Exercice 1 Question de cours (4 points) Info32B Systèmes d'exploitation année 2013-2014 Examen (1ère session) 16 décembre 2014 N. Sabouret L'épreuve dure 2h30. Tous les documents sont autorisés. Les exercices sont indépendants. 1 Exercice 1

Plus en détail

PILOTAGE D'UNE ENTREPRISE INDUSTRIELLE EN TEMPS REEL

PILOTAGE D'UNE ENTREPRISE INDUSTRIELLE EN TEMPS REEL PILOTAGE D'UNE ENTREPRISE INDUSTRIELLE EN TEMPS REEL Postulat de base : Le rôle du dirigeant d'une entreprise est de diriger. Comme un pilote d'avion, pour éviter de piloter à vue, il doit pouvoir se fier

Plus en détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail