Plans pour l étude de plusieurs facteurs
|
|
- François-Xavier Beaudoin
- il y a 6 ans
- Total affichages :
Transcription
1 Plans pour l étude de plusieurs facteurs Hervé Monod, INRA Jouy-en-Josas, Unité MIA 1
2 Facteurs Réponses Phénomène Y Y = f(x 1,...,x p ) + ε x 1,...,x p modalités des facteurs explicatifs en entrée fonction f inconnue 2
3 Plans (multi-)factoriels étude simultanée de plusieurs facteurs en entrée pourquoi? gain en coût expérimental et en temps étude de chaque facteur sur une gamme de variation des autres facteurs possibilité de détecter des interactions 3
4 Exemple : rendement d une réaction 1. Stratégie une variable à la fois 2. Stratégie plusieurs variables à la fois 4
5 Principaux plans factoriels plan factoriel complet équirépété randomisé on choisit s 1 niveaux pour F1,..., s n niveaux pour Fn s 1... s n traitements = combinaisons de niveaux des facteurs on répète chaque traitement r fois (r 1) plan factoriel en blocs idem mais les unités expérimentales sont divisées en plusieurs blocs comment répartir les traitements entre les blocs? plan factoriel incomplet: quand s 1... s n > N approche plans D-optimaux approche plans fractionnaires réguliers approche plans pour surfaces de réponse 5
6 Plan factoriel complet Exemple : Plan pour 3 facteurs à 2 niveaux Influence des conditions de pétrissage sur la compressibilité d une pâte biscuitière Facteurs niveau 1 niveau +1 Farine (A) Apollo Thésée T o Bain-marie (B) 20 o C 35 o C Durée pétrissage (C) 5 mn 10 mn Plan factoriel complet 2 3 : les 8 combinaisons de niveaux sont équirépétées 6
7 Traitement A B C Y (Apollo, 20 o C, 5mn) (Apollo, 20 o C, 10mn) (Apollo, 35 o C, 5mn) (Apollo, 35 o C, 10mn) (Thésée, 20 o C, 5mn) (Thésée, 20 o C, 10mn) (Thésée, 35 o C, 5mn) (Thésée, 35 o C, 10mn) B C A + 7
8 Effets factoriels B C A B C A Effet principal de A : e(a) = 1 8 [( Y Y + Y + Y ++ ) + (Y + + Y Y ++ + Y +++ )] Interaction AB : ê(ab) = 1 8 [(+Y + Y + Y + Y ++ ) (Y + Y Y ++ + Y +++ )] 8
9 Traitement M U A B C AB AC BC ABC Y (Apollo, 20 o C, 5mn) (Apollo, 20 o C, 10mn) (Apollo, 35 o C, 5mn) (Apollo, 35 o C, 10mn) (Thésée, 20 o C, 5mn) (Thésée, 20 o C, 10mn) (Thésée, 35 o C, 5mn) (Thésée, 35 o C, 10mn)
10 Tableau d analyse de variance : Df Sum Sq Mean Sq F value Pr(>F) A B C A:B A:C B:C Residuals
11 Intérêts : Chaque effet principal estimé à partir de 4 répétitions Possibilité de détecter des interactions Généralisation à plus de 3 facteurs Généralisation à plus de 2 niveaux Possibilité de répartir en blocs par confusion d effets Possibilité de réaliser des fractions de plans Remarque : avec 3 facteurs seulement, il faut répéter les 8 traitements 11
12 Confusion d effets traitements avec un effet bloc Traitement M U A B C AB AC BC ABC (Apollo, 20 o C, 5mn) (Apollo, 35 o C, 10mn) (Thésée, 20 o C, 10mn) (Thésée, 35 o C, 5mn) (Apollo, 20 o C, 10mn) (Apollo, 35 o C, 5mn) (Thésée, 20 o C, 5mn) (Thésée, 35 o C, 10mn) L interaction ABC est confondue avec l effet bloc Les autres effets sont orthogonaux à l effet bloc 12
13 Fraction de plan Exemple : 4 facteurs à 2 niveaux On ne retient que les traitements tels que : ABCD = +1 MU A = BCD B = ACD C = ABD D = ABC AB = CD AC = BD BC = AD
14 Les effets factoriels sont confondus deux à deux : effets principaux confondus avec?? interactions 2 facteurs confondues avec?? = Fraction de Résolution IV 14
15 Fraction de plan de résolution III Exemple : 7 facteurs à 2 niveaux en 8 unités MU A B C D = AB E = AC F = BC G = ABC Effets principaux confondus avec?? 15
16 Retour sur l exemple 8 facteurs 2 8 = 256 traitements possibles Facteurs niveau 1 niveau +1 Farine (A) Apollo Thésée Hydratation (B) 17.7% 21.7% Vitesse pétrissage (C) 80 rpm 160 rpm Durée pétrissage (D) 5 mn 10 mn T o Bain-marie (E) 20 o C 35 o C Temps de repose (F ) 10 min 20 min Vitesse laminage (G) 0.5 m/min 1.1 m/min Ecartement cylindres (H) 2.4 mm 7.0 mm Fraction en 16 unités expérimentales, de Résolution IV 16
17 Relations de définition : E = BCD G = ABC F = ACD H = ABD 17
18 Conclusion plans factoriels PROBLEME Très nombreux facteurs, sélectionner les plus influents Etudier l influence simultanée de nombreux facteurs avec peu d observations, détecter les principales interactions Etude plus détaillée de facteurs quantitatifs Optimiser la formulation d un mélange Améliorer la qualité et la robustesse simultanément METHODE Plans de screening (résolution III ou IV) Plans factoriels 2 n complets ou fractionnaires, résolution V Plans factoriels 3 n ou 4 n, surfaces de réponses Plans de mélange Plans de Taguchi 18
19 Plans pour surfaces de réponse Principe général plusieurs facteurs quantitatifs F 1,...,F n Modèle de surface de réponse (inconnu): Y = f(z 1,...,z n ) + ε On veut prédire correctement la réponse sur l ensemble du domaine de variation des z i connaitre l influence de chaque facteur et les interactions (souvent) rechercher les valeurs des F i qui optimisent la (ou les) réponse 19
20 Codage des facteurs définir les limites de variation zmin i, zmax i de chaque facteur F i ; les niveaux codés de chaque facteur varient entre 1 et +1: x i = 2z i (zmoins i +zplus i ) zmoins i zplus i on travaille par la suite avec les niveaux codés Modèle polynomial Modèle approché développement polynomial: Y = θ 0 + θ 1 x θ n x n + ε (ordre 1) ou Y = θ 0 + θ 1 x θ n x n + θ 11 x θ nnx 2 n + θ 12x 1.x ε (ordre 2) Plan d expérience: recherche des points qui permettent de bien estimer les paramètres et prédire la réponse démarche souvent séquentielle 20
21 Modèle du premier degré Y = Xθ + ε X = 1 (x 1 ) 1... (x n ) (x 1 ) i... (x n ) i.... ; X X = 1 (x1 ) i... (x1 ) 2 i... (xn ) i (x1 ) i (x n ) i..... (xn ) 2 i 1 (x 1 ) N... (x n ) N 21
22 Plans pour le modèle du 1er degré plans factoriels 2 p ou 2 p q de résolution au moins III plans de Plackett et Burman plans simplex Pour construire un plan de Plackett et Burman ligne de départ N = N = N = 20 lignes suivantes par permutations cyclique dernière ligne de 1 randomisation: permutation des lignes 22
23 Propriétés des plans 2 s ou 2 s q : ces plans permettent d ajuster un modèle avec effet principal (linéaire) de chacun des facteurs les colonnes de X sont orthogonales les estimations des différents effets sont non corrélées et de précision optimale en ajoutant des répétitions au centre, on peut tester la présence d une courbure (effets quadratiques) et estimer la variance résiduelle 23
24 Modèle du second degré X = 1 (x 1 ) 1... (x n ) 1 (x 1 ) (x n ) 2 1 (x 1 ) 1 (x 2 ) 1... (x n 1 ) 1 (x n ) (x 1 ) i... (x n ) i (x 1 ) 2 i... (x n ) 2 i (x 1 ) i (x 2 ) i... (x n 1 ) i (x n ) i (x 1 ) N... (x n ) N (x 1 ) 2 N... (x n) 2 N (x 1) N (x 2 ) N... (x n 1 ) N (x n ) N 0 1 P (x1 ) i P (x1 ) 2 i P P... (x n) i (x1 ) 2 P i... (x n) 2 P i (x1 ) i (x 2 ) i... P P... (x1 ) i (xn) i (x1 ) 3 P i... (x1 ) i (xn) 2 P i (x1 ) 2 i (x 2 ) i... P (xn 1 ) i (xn) i P (x1 ) i (x n 1 ) i (xn) i P (x n) 2 i P (x1 ) 2 i (x n) i... P (x n) 3 i P (x1 ) i (x 2 ) i (xn) i... P (xn 1 ) i (xn) 2 i P (x1 ) 4 i... P (x1 ) 2 i (x n) 2 i P (x1 ) 3 i (x 2 ) i... P (x1 ) 2 i (x n 1 ) i (x n) i P (x n) 4 i P (x1 ) i (x 2 ) i (xn) 2 i... P (x1 ) 2 i (x 2 )2 i... P (xn 1 ) i (xn) 3 i P (x1 ) i (x 2 ) i (x n 1 ) i (xn) i P (xn 1 ) 2 i (x n) 2 i 1 C A 24
25 25 UVSQ-CNAM, Master Ingéniérie de la Statistique , Surfaces de réponse Prédictions de la variable réponse Réponse moyenne en un point x quelconque du domaine d étude η(x) = E(Y (x)) = θ 0 + θ 1 x θ n x n + θ 11 x θ nnx 2 n + θ 12x 1.x θ nn 1 x n 1.x n = f(x) θ avec f(x) = (1, x 1,...,x n, x 2 1,...,x n, x 1.x 2,...,x n 1.x n ) Prédiction: η(x) = θ 0 + θ 1 x θ n x n + θ 11 x θ nn x 2 n + θ 12 x 1.x = f(x) θ Var( η(x)) = f(x) (X X) 1 f(x) σ 2 Var(Ŷ (x)) = (1 + f(x) (X X) 1 f(x)) σ 2 dépend du plan dépend de x varie dans le domaine d étude ne dépend pas de la valeur des paramètres (cf. modèle linéaire) [Exercice: variance de prédiction pour un 2 2 et modèle de degré 1]
26 Propriétés recherchées pour les plans pour surfaces de réponses Orthogonalité: les colonnes de X (= les régresseurs) sont mutuellement orthogonales, après centrage des régresseurs quadratiques les estimations des effets sont non corrélées ou corrélées avec le terme constant Isovariance par rotation: la variance de prédiction en x ne dépend que de la distance au centre de x invariance de la précision par rapport à la direction Précision: précision uniforme : précision homogène sur l ensemble du domaine d étude optimalité: minimisation de critères de variance sur les paramètres ou sur les prédictions dans le domaine d étude 26
27 Exemple à deux facteurs 1.2 Essai A B pred x x1 Plan 27 Variance de prédiction
28 Plans pour le modèle du 2nd degré plan factoriel 3 n ou 3 n q de résolution au moins 3 plan composite centré plan factoriel 2 n ou 2 n q + répétitions du point central + points en étoile (sur les axes) réseaux uniformes de Doehlert plan de Box-Benhken 28
29 Propriétés possibles des plans central-composite isovariance par rotation si α = (N c ) 1/4 orthogonalité si α = ( [ N c + N s + N 0 N c ] 2 N c 4 précision uniforme dans sphère de rayon 1 nbre de fact N f N a N 0 isovariance préc. unif orthog N préc. unif orthog α ) 1/4 29
30 Analyse d un plan pour surface de réponse analyse de variance estimation des paramètres représentations graphiques + tests spécifiques + recherche des x i optimisant la réponse + recherche de zones satisfaisant des contraintes sur des variables réponses Tests spécifiques: tester la validité du modèle SCR = (Y X θ) (Y X θ) somme des carrés résiduels; E(SCR) = (N p)σ 2 si le modèle est correct répétitions au centre estimation non biaisée de σ 2 : SCE 0 = ((Y 0 ) i Ȳ0) 2 ; E(SCE 0 ) = (N 0 1)σ 2 si le modèle est correct (SCR SCE 0 )/SCE 0 ) suit une loi de Fisher centrée à N p N et N 0 1 ddl 30
31 Analyse de la surface de réponse prédite Exemple: η(x 1, x 2 ) = x 1 0.1x 2 5.5x x 1 x 2 2.5x
32 Analyse canonique On note b = θ 1. B = θ 1,1... θ1,n θ n θ n,1... θn,n L équation de réponse est alors: η(x) = θ 0 + x b + x Bx 32
33 Recherche du point stationnaire x S (s il existe) On note η S = b b B 1 b. η x = b + 2Bx Equation canonique de la surface de réponse = 0 si et seulement si ˆx S = 1 2 B 1 b on montre que η(x) = η S + (x x S ) B(x x S ) on décompose B selon ses vecteurs propres v k : B = k a kv k v k (a k sont les valeurs propres) on a (x x S ) B(x x S ) = k a kz 2 k avec z k = (x x S ) v k les axes associés aux variables z 1,...,z k sont les axes principaux de la surface de réponse équation canonique: η(z) = η S + a k z 2 k 33
34 Interprétation des coefficients canoniques d abord vérifier si le point stationnaire est proche ou non du domaine d intérêt tous les a k > 0 le point stationnaire x S est un minimum tous les a k < 0 le point stationnaire x S est un maximum autres cas le point stationnaire x S est un point de selle si une valeur propre a k 0: la réponse ne change pratiquement pas dans cette direction 34
35 Plans D-optimaux Principe général (facteurs quantitatifs) on pose des domaines de variation pour chaque facteur on précise le nombre d observations disponibles N on pose un modèle polynomial, ex: Y = θ 0 + θ 1 Z 1 + θ 1 Z 2 + θ 1 Z3 + θ 11 Z θ 12 Z 2 2 +θ 12 Z 1.Z 2 + ε la matrice X du plan s écrit à partir des (Z j ) on cherche les valeurs des (Z j ) qu il faut choisir pour maximiser le déterminant de la matrice d information X X 35
36 Pourquoi maximiser le déterminant de X X? Var( θ) = (X X) 1 le déterminant de X X est inversement proportionnel au volume des ellipsoïdes de confiance de θ les plans D-optimaux sont invariants par changement des unités de mesure des régresseurs Z Méthodes de recherche de plans D-optimaux résultats théoriques algorithmes de recherche (ex: PROC OPTEX de SAS) 36
37 Exemple: Mise au point d un procédé de réaction 5 facteurs identifiés Facteur Description Domaine rtemp température degrés press pression psi temps durée de réaction 3-5 mn solv quantité de solvant 20-25% source source du matériau 1,2,3,4,5 Contrainte: ne pas mettre les 3 premiers facteurs simultanément à leur plus haut ou plus bas niveau 37
TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détail2.4 Représentation graphique, tableau de Karnaugh
2 Fonctions binaires 45 2.4 Représentation graphique, tableau de Karnaugh On peut définir complètement une fonction binaire en dressant son tableau de Karnaugh, table de vérité à 2 n cases pour n variables
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détail1S Modèles de rédaction Enoncés
Par l équipe des professeurs de 1S du lycée Parc de Vilgénis 1S Modèles de rédaction Enoncés Produit scalaire & Corrigés Exercice 1 : définition du produit scalaire Soit ABC un triangle tel que AB, AC
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailExemples d application
AgroParisTech Exemples d application du modèle linéaire E Lebarbier, S Robin Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations 4 2 Régression linéaire simple 7 21 Présentation 7 211 Objectif
Plus en détailIFT1215 Introduction aux systèmes informatiques
Introduction aux circuits logiques de base IFT25 Architecture en couches Niveau 5 Niveau 4 Niveau 3 Niveau 2 Niveau Niveau Couche des langages d application Traduction (compilateur) Couche du langage d
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailLes droites (d 1 ) et (d 2 ) sont sécantes en A Le point A est le point d intersection des 2 droites
I Droites perpendiculaires Lorsque deux droites se coupent, on dit qu elles sont sécantes Les droites (d 1 ) et (d 2 ) sont sécantes en A Le point A est le point d intersection des 2 droites Lorsque deux
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailBureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr
Dominique Muller Laboratoire Inter-universitaire de Psychologie Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Supports de cours : webcom.upmf-grenoble.fr/lip/perso/dmuller/m2r/acm/
Plus en détailSi deux droites sont parallèles à une même troisième. alors les deux droites sont parallèles entre elles. alors
N I) Pour démontrer que deux droites (ou segments) sont parallèles (d) // (d ) (d) // (d ) deux droites sont parallèles à une même troisième les deux droites sont parallèles entre elles (d) // (d) deux
Plus en détailPROBLEME(12) Première partie : Peinture des murs et du plafond.
PROBLEME(12) Une entreprise doit rénover un local. Ce local a la forme d'un parallélépipède rectangle. La longueur est 6,40m, la largeur est 5,20m et la hauteur est 2,80m. Il comporte une porte de 2m de
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailApplication originale de l analyse conjointe pour un design robuste de volants ou comment concevoir utile
Application originale de l analyse conjointe pour un design robuste de volants ou comment concevoir utile Sébastien Crochemore*, Jean-François Bassereau**, Robert Duchamp** * RENAULT, Technocentre Renault,,
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailLa notion de plan d expérience
1 La notion de plan d expérience 1.1 Introduction Ce premier chapitre aborde la notion générale de planification expérimentale en utilisant peu de notions mathématiques. Il est principalement destiné aux
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailCONJUGUÉ D'UN POINT PAR RAPPORT À UN TRIANGLE
CONJUGUÉ D'UN POINT PAR RAPPORT À UN TRIANGLE Jean Luc Bovet, Auvernier L'article de Monsieur Jean Piquerez (Bulletin de la SSPMP No 86), consacré aux symédianes me paraît appeler une généralisation. En
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailSéquence 2. Repérage dans le plan Équations de droites. Sommaire
Séquence Repérage dans le plan Équations de droites Sommaire 1 Prérequis Repérage dans le plan 3 Équations de droites 4 Synthèse de la séquence 5 Exercices d approfondissement Séquence MA0 1 1 Prérequis
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailManuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques
Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100
Plus en détailCours Premier semestre
C.Belleudy, D.Gaffé Université de Nice-Sophia Antipolis DEUG Première année SM,MP,MI UECS EEA Électronique Numérique Cours Premier semestre C. Belleudy, D.Gaffé version 3. 2 Électronique Numérique Chapitre
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailLogique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques.
Logique binaire I. L'algèbre de Boole L'algèbre de Boole est la partie des mathématiques, de la logique et de l'électronique qui s'intéresse aux opérations et aux fonctions sur les variables logiques.
Plus en détailUne introduction. Lionel RIOU FRANÇA. Septembre 2008
Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailThème 17: Optimisation
OPTIMISATION 45 Thème 17: Optimisation Introduction : Dans la plupart des applications, les grandeurs physiques ou géométriques sont exprimées à l aide d une formule contenant une fonction. Il peut s agir
Plus en détailCorrection : E = Soit E = -1,6. F = 12 Soit F = -6 3 + 45. y = 11. et G = -2z + 4y G = 2 6 = 3 G = G = -2 5 + 4 11
Correction : EXERCICE : Calculer en indiquant les étapes: (-6 +9) ( ) ( ) B = -4 (-) (-8) B = - 8 (+ 6) B = - 8 6 B = - 44 EXERCICE : La visite médicale Calcul de la part des élèves rencontrés lundi et
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailDeux disques dans un carré
Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................
Plus en détailLES PLANS D EXPERIENCES
Tutoriel LES PLANS D EXPERIENCES Jacques GOUPY Revue MODULAD, 006-74 - Numéro 34 LES PLANS D EXPERIENCES. INTRODUCTION Les plans d'expériences permettent d'organiser au mieux les essais qui accompagnent
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailVecteurs. I Translation. 1. Définition :
Vecteurs I Translation Soit A et B deux points du plan. On appelle translation qui transforme A en B la transformation du plan qui a tout point M associe le point M tel que [AM ] et [BM] aient le même
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailLimitations of the Playstation 3 for High Performance Cluster Computing
Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire
Plus en détailAlgèbre binaire et Circuits logiques (2007-2008)
Université Mohammed V Faculté des Sciences Département de Mathématiques et Informatique Filière : SMI Algèbre binaire et Circuits logiques (27-28) Prof. Abdelhakim El Imrani Plan. Algèbre de Boole 2. Circuits
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailPROGRAMME (Susceptible de modifications)
Page 1 sur 8 PROGRAMME (Susceptible de modifications) Partie 1 : Méthodes des revues systématiques Mercredi 29 mai 2013 Introduction, présentation du cours et des participants Rappel des principes et des
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailCFAO Usinage sur machine à commande numérique
CFAO Usinage sur machine à commande numérique Pour réaliser une pièce à l aide d une machine à commande numérique, on doit respecter les étapes suivantes : Dessin matriciel et dessin vectoriel : Matriciel
Plus en détailCORRECTION EXERCICES ALGORITHME 1
CORRECTION 1 Mr KHATORY (GIM 1 A) 1 Ecrire un algorithme permettant de résoudre une équation du second degré. Afficher les solutions! 2 2 b b 4ac ax bx c 0; solution: x 2a Solution: ALGORITHME seconddegré
Plus en détailProbabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen
Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailStéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 06/12/2009 Stéphane Tufféry - Data Mining - http://data.mining.free.fr
Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE 1 Plan du cours Qu est-ce que le data mining? A quoi sert le data mining? Les 2 grandes familles de techniques Le déroulement d un projet de data
Plus en détailIntroduction au maillage pour le calcul scientifique
Introduction au maillage pour le calcul scientifique CEA DAM Île-de-France, Bruyères-le-Châtel franck.ledoux@cea.fr Présentation adaptée du tutorial de Steve Owen, Sandia National Laboratories, Albuquerque,
Plus en détail315 et 495 sont dans la table de 5. 5 est un diviseur commun. Leur PGCD n est pas 1. Il ne sont pas premiers entre eux
Exercice 1 : (3 points) Un sac contient 10 boules rouges, 6 boules noires et 4 boules jaunes. Chacune des boules a la même probabilité d'être tirée. On tire une boule au hasard. 1. Calculer la probabilité
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailDécouverte du tableur CellSheet
Découverte du tableur CellSheet l application pour TI-83 Plus et TI-84 Plus. Réalisé par Guy Juge Professeur de mathématiques et formateur IUFM de l académie de Caen Pour l équipe des formateurs T 3 Teachers
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailExemples d Analyses de Variance avec R
Exemples d Analyses de Variance avec R Christophe Pallier 5 août 00 Résumé R est un logiciel d analyse statistique qui fournit toutes les procédures usuelles (t-tests, anova, tests non paramétriques...)
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailConception de réseaux de télécommunications : optimisation et expérimentations
Conception de réseaux de télécommunications : optimisation et expérimentations Jean-François Lalande Directeurs de thèse: Jean-Claude Bermond - Michel Syska Université de Nice-Sophia Antipolis Mascotte,
Plus en détailII. REVOD Plongée à l ordinateur. Septembre 2010. Plan de l exposé
1 Décompression II. REVOD Plongée à l ordinateur Septembre 2010 Plan de l exposé Introduction Typologie de la décompression: No déco Déco légère Déco Lourde La planification Les profils de plongée Le palier
Plus en détailEquipement. électronique
MASTER ISIC Les générateurs de fonctions 1 1. Avant-propos C est avec l oscilloscope, le multimètre et l alimentation stabilisée, l appareil le plus répandu en laboratoire. BUT: Fournir des signau électriques
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailChapitre 4: Dérivée d'une fonction et règles de calcul
DERIVEES ET REGLES DE CALCULS 69 Chapitre 4: Dérivée d'une fonction et règles de calcul Prérequis: Généralités sur les fonctions, Introduction dérivée Requis pour: Croissance, Optimisation, Études de fct.
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailCOMPTES DE GROUPE Consolidation et présentation de participations
La nouvelle Swiss GAAP RPC 30 regroupe toutes les règles applicables aux comptes. Ce qui implique que toutes les autres Swiss GAAP RPC font référence aux comptes individuels. Quelles sont les questions
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailLa 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 détailChapitre 02. La lumière des étoiles. Exercices :
Chapitre 02 La lumière des étoiles. I- Lumière monochromatique et lumière polychromatique. )- Expérience de Newton (642 727). 2)- Expérience avec la lumière émise par un Laser. 3)- Radiation et longueur
Plus en détailIBM SPSS Regression 21
IBM SPSS Regression 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 46. Cette version s applique à IBM SPSS Statistics
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailDéveloppement de lois et de structures de réglages destinées à la téléopération avec retour d effort
Développement de lois et de structures de réglages destinées à la téléopération avec retour d effort Thomas Delwiche, Laurent Catoire et Michel Kinnaert Faculté des Sciences Appliquées Service d Automatique
Plus en détailAnnexe A. Annexe A. Tableaux et données relatifs à la vérification par Eurocode 3 A.3
Annexes Annexe A : Tableaux et données relatifs à la vérification par Eurocode 3... A.2 Annexe B : Format des fichiers générés et utilisés par CADBEL... A.11 Annexe C : Calcul de la résistance au flambement
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailArbres binaires de décision
1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailCOURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION. Jean-Loup Guillaume
COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION Jean-Loup Guillaume Le cours Enseignant : Jean-Loup Guillaume équipe Complex Network Page du cours : http://jlguillaume.free.fr/www/teaching-syrres.php Évaluation
Plus en détailSub CalculAnnuite() Const TITRE As String = "Calcul d'annuité de remboursement d'un emprunt"
TD1 : traduction en Visual BASIC des exemples du cours sur les structures de contrôle de l'exécution page 1 'TRADUCTION EN VBA DES EXEMPLES ALGORITHMIQUES SUR LES STRUCTURES 'DE CONTROLE DE L'EXECUTION
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en détailActivités numériques [13 Points]
N du candidat L emploi de la calculatrice est autorisé. Le soin, la qualité de la présentation entrent pour 2 points dans l appréciation des copies. Les résultats seront soulignés. La correction est disponible
Plus en détailPriorités de calcul :
EXERCICES DE REVISION POUR LE PASSAGE EN QUATRIEME : Priorités de calcul : Exercice 1 : Calcule en détaillant : A = 4 + 5 6 + 7 B = 6 3 + 5 C = 35 5 3 D = 6 7 + 8 E = 38 6 3 + 7 Exercice : Calcule en détaillant
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailMéthodes d apprentissage statistique «Machine Learning»
Méthodes d apprentissage statistique «Machine Learning» Fabrice TAILLIEU, Sébastien DELUCINGE, Rémi BELLINA Le marché de l assurance a rarement été marqué par un environnement aussi difficile qu au cours
Plus en détailDu Premier au Second Degré
Du Premier au Second Degré Première Bac Pro 3 ans November 26, 2011 Première Bac Pro 3 ans Du Premier au Second Degré Sommaire 1 Fonction Polynôme du second degré 2 Fonction Polynôme du Second Degré: Synthèse
Plus en détailCentreur fin cylindrique pour la fabrication de moules. Le développement
Le développement Centreur fin cylindrique pour la fabrication de moules Avantages Durabilité: pour la production de grandes séries Sans jeu pour un alignement précis du moule Temps de cycle plus courts
Plus en détailInitiation à la programmation en Python
I-Conventions Initiation à la programmation en Python Nom : Prénom : Une commande Python sera écrite en caractère gras. Exemples : print 'Bonjour' max=input("nombre maximum autorisé :") Le résultat de
Plus en détail