Plan du cours. A. Rappel des notions de base. B. Méthodes de régression. C. Planification des expériences. D. Contrôle statistique des procédés (CSP)
|
|
- Hugues Clermont
- il y a 6 ans
- Total affichages :
Transcription
1 Plan du cours A. Rappel des notions de base Statistiques, distributions de probabilité, tests d hypothèses, intervalles de confiance, ANOVA, données aberrantes, rappels d algèbre linéaire B. Méthodes de régression Régression multiple (moindres carrés), analyse des modèles de régression, régression Ridge, régression non-linéaire, estimation basée sur de multiples réponses C. Planification des expériences Terminologie, blocage et randomisation, plans factoriels complets à 2 niveaux et analyse, plans factoriels fractionnés, plans à plus de deux niveaux, méthode de surface des réponses et optimisation empirique, plans optimaux D. Contrôle statistique des procédés (CSP) 1
2 Contrôle statistique des procédés (CSP) Montgomery et Runger: chapitre 14 Définition: utilisation de méthodes statistiques pour améliorer la productivité des procédés existants ainsi que la qualité des produits effectuer le monitoring d un procédé détecter les régimes d opération anormaux trouver la cause d une opération anormale et y remédier distingue deux sources de variations: variations de causes communes variations de causes spéciales 2
3 Contrôle statistique des procédés (CSP) Causes communes tous les procédés sont soumis à des variations «normales», dues à plusieurs petites sources inévitables: erreurs d échantillonnage et de mesure problème de design des équipements, etc. la seule façon de réduire ces variations consiste à modifier le procédé représentent le mieux que l on puisse faire avec le procédé actuel 3
4 Contrôle statistique des procédés (CSP) Causes spéciales variations qui se présentent occasionnellement pour lesquelles des causes précises peuvent leur être assignées: augmentation de la concentration d impuretés dans un réacteur problème d alignement de pièces mécaniques vanne qui colle, etc. il est possible de remédier à ces causes spéciales si: 1. elles peuvent être détectées rapidement 2. il est possible de leur assigner une cause (diagnostic) 4
5 Graphiques de contrôle (control charts) Utiles pour la détection mais ne suggèrent pas de cause Pour trouver la (les) cause(s), l expertise du procédé accompagnée de méthodes de résolution de problèmes («troubleshooting») sont essentielles Il existe plusieurs types de graphiques de contrôle: Shewart CUSUM EWMA etc. 5
6 Graphiques type Shewart Hypothèses du CSP: Le procédé est dans un état de contrôle lorsque seulement des variations de causes communes sont présentes On pose fréquemment l hypothèse que les variables de qualité (ou de performance) sont ~ N(τ,σ 2 ) et sont indépendantes Graphique de Shewart = test d hypothèse en ligne en utilisant la loi normale: H 0 : procédé en contrôle H 1 : procédé hors contrôle 6
7 Graphiques type Shewart Exemple: détection de causes spéciales (e.g. dérive d une moyenne) procédé hors contrôle procédé en contrôle LCS τ LCI +3σ τ 3σ LCS/LCI: limites de contrôle supérieure et inférieure Si on pose que ~ N(τ,σ 2 ) et que les limites sont ± 3σ, alors: { LCI y τ LCS } = (99.73%) Pr i 1 observation sur 400 sortira des limites purement par chance! 7
8 LCS = LCI = 3σ Choix des limites de contrôle Erreur type I très petite (0.27%) Très peu de chance de détecter une cause spéciale qui n existe pas (fausse alarmes) Mais erreur type II plus grande plus de chance de ne pas détecter les évènements spéciaux! Accepte «en contrôle» Accepte «hors contrôle» y i = τ OK erreur Type I (α) Minimiser fausses alarmes pour opérateurs y i τ erreur Type II (β) OK Doit permettre de détecter les changements majeurs (+3σ ok) 8
9 Estimation de σ? Estimer σ 2 à partir d historiques de données du procédé pour des périodes d opération normale, ne contenant que des variations de causes communes (variations naturelles du procédé) À vérifier: L indépendance des observations (i.e. auto-corrélation) La distribution des variables aléatoires 9
10 Autres types de graphiques CUSUM (cumulative sum): S i ( y τ ) = S + ( y τ ) i = j i 1 j= 1 i Excellent pour détecter de faibles changements dans une moyenne (= changement dans la pente de S vs temps) EWMA (Exponentially Weighted Moving Average): i ( 1 λ) y~ i 1 + yi 0 λ1, mais typiquement entre 0.2 et 0.4 y~ i y~ λ = Porter en graphique de type Shewart Filtre les variations haute fréquence pour accentuer les tendances 10
Intelligence précoce
Les données de procédé constituent une mine d informations très utiles pour l entreprise Geoff Artley Le secteur du raffinage est aujourd hui soumis à forte pression financière : amputation des marges,
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
Plus en détailLe suivi de la qualité. Méthode MSP : généralités
Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois
Plus en détailConcurrence imparfaite
Concurrence imparfaite 1. Le monopole 2. Concurrence monopolistique 3. Hotelling et Salop 4. Concurrence à la Cournot 5. Concurrence à la Bertrand 6. Concurrence à la Stackelberg Monopole Un monopole,
Plus en détailENQUETE SUR LA SITUATION DES GRANDES VILLES ET AGGLOMERATIONS EN MATIERE D ASSURANCES DOMMAGES
ENQUETE SUR LA SITUATION DES GRANDES VILLES ET AGGLOMERATIONS EN MATIERE D ASSURANCES DOMMAGES N 202 AOUT 2003 SOMMAIRE 1. PRESENTATION p.3 2. SYNTHESE DE L ENQUETE p.4 3. LES REPONSES DES VILLES ET AGGLOMERATIONS
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailA Global Solution For Green Buildings.
A Global Solution For Green Buildings. www.greenfumehood.com an product SORBONNES GREENFUMEHOOD Sécurité, performance, économies d énergie et respect de l environnement ehood m u F n e Gre tre des concen
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailTRACER LE GRAPHE D'UNE FONCTION
TRACER LE GRAPHE D'UNE FONCTION Sommaire 1. Méthodologie : comment tracer le graphe d'une fonction... 1 En combinant les concepts de dérivée première et seconde, il est maintenant possible de tracer le
Plus en détailPolytech Montpellier IG3 2009-2010. PROJET C Réseaux sociaux : recherche de composantes fortement connexes
Polytech Montpellier IG3 2009-2010 PROJET C Réseaux sociaux : recherche de composantes fortement connexes Contexte du projet Les réseaux sociaux tels que facebook sont de plus en plus présents dans notre
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
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 détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailIntroduction aux systèmes temps réel. Iulian Ober IRIT ober@iut-blagnac.fr
Introduction aux systèmes temps réel Iulian Ober IRIT ober@iut-blagnac.fr Définition Systèmes dont la correction ne dépend pas seulement des valeurs des résultats produits mais également des délais dans
Plus en détailCondition Monitoring System pour les éoliennes. "Condition Monitoring System" pour les éoliennes
"Condition Monitoring System" 1 Participants ifm electronic à EMM 2012 (6-7 Juin 2012) Michel ASTIER : Responsable Marchés Eolien & Automobile Edil ALVAREZ : Chef de produit Analyse Vibratoire Oliver DURAND
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 détailTRAVAUX DE RECHERCHE DANS LE
TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT
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 détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailPropriétés des options sur actions
Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,
Plus en détailCoup 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 détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
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 détailSEO Campus 2009 : Pagerank et optimisation
SEO Campus 2009 : Pagerank et optimisation Sylvain Peyronnet http://sylvain.berbiqui.org http://www.kriblogs.com/syp 04/02/2009 04/02/2009 SEO Campus 2009 : Pagerank et optimisation 1 / 21 PageRank : la
Plus en détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
Plus en détailAssurance auto des véhicules électriques: risques et réalité Stanislas Roth Directeur Excellence Technique IARD Particuliers AXA GLOBAL P&C
Assurance auto des véhicules électriques: risques et réalité Stanislas Roth Directeur Excellence Technique IARD Particuliers AXA GLOBAL P&C 6 décembre 203 - Paris 0 0 Sujets abordés dans cette présentation
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 détailTABLE 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 détailSupervision & Maintenance des centrales photovoltaïques en toiture GARANTIR LA PERFORMANCE DE VOS INVESTISSEMENTS DANS LE TEMPS
Supervision & Maintenance des centrales photovoltaïques en toiture GARANTIR LA PERFORMANCE DE VOS INVESTISSEMENTS DANS LE TEMPS 2 EDF ENR Solaire La Supervision-Maintenance des toitures photovoltaïques
Plus en détailAnnonces internes SONATRACH RECHERCHE POUR SON ACTIVITE COMMERCIALISATION :
Bourse de l emploi Annonces internes : Direction Administration et Moyens Un Technicien Electricien Un C/Maitre Electricité BAT (Chargé de la Maintenance en pompes) Un C/Maitre Electricité BAT (Chargé
Plus en détailCOLLOQUE NATIONAL de la PERFORMANCE INDUSTRIELLE
COLLOQUE NATIONAL de la PERFORMANCE INDUSTRIELLE Analyse vibratoire expérimentale : outil de surveillance et de diagnostic Dr Roger SERRA ENIVL / LMR 1 Contexte (1/2) Première publication de la charte
Plus en détailOptimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases)
Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases) Heuristique Constructive Itérativement, ajoute de nouvelles composantes à une solution partielle candidate Espace
Plus en détailModélisation géostatistique des débits le long des cours d eau.
Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des
Plus en détailCOURS GRATUITS. A- Approche de quelques fonctions du tableau de bord et leur signification respective
COURS GRATUITS CHAPITRE 4 : LE TABLEAU DE BORD INTRODUCTION Un système asservi est constitué des trois entités : - Les éléments de commande et de consigne - Les éléments de traitement d exécution (partie
Plus en détailDiagnostic sur les besoins des acteurs en matière de formation à la gestion de la qualité des projets humanitaires: Présentation des résultats
Diagnostic sur les besoins des acteurs en matière de formation à la gestion de la qualité des projets humanitaires: Présentation des résultats P. Brunet, D. Kauffmann et C. Nussbaum 20 Novembre 2008 Méthodologie
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailIndustrial IT : Gestion des informations de production pour l industrie du ciment
Industrial IT : Gestion des informations de production pour l industrie du ciment Inform IT Knowledge Manager courier Inform IT Knowledge Manager Toute la connais- Gestion du savoir sance de la production
Plus en détailLa lutte contre la fraude parmi les programmes de fidélisation et de cartes-cadeaux
La lutte contre la fraude parmi les programmes de fidélisation et de cartes-cadeaux Accueil Les participants sont en mode d écoute seulement Vous devez composer le numéro de téléphone suivant pour entendre
Plus en détailManuel de fonctionnement EA pour Metatrader 4 - Croisement de moyennes mobiles -
Manuel de fonctionnement EA pour Metatrader 4 - Croisement de moyennes mobiles - INSTALLATION L Expert Advisor est livré complet, sous la forme d un fichier exécutable Windows. A l issu de votre téléchargement,
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailSCHOTT élargit ses compétences en filtres pour l'astronomie
SCHOTT élargit ses compétences en filtres pour l'astronomie Des filtres interférentiels très complexes pour l'astronomie Mayence (Allemagne) & Clichy (France), 11 mars 2015 - SCHOTT se concentre actuellement
Plus en détailEvaluation des performances de programmes parallèles haut niveau à base de squelettes
Evaluation des performances de programmes parallèles haut niveau à base de squelettes Enhancing the Performance Predictability of Grid Applications with Patterns and Process Algebras A. Benoit, M. Cole,
Plus en détailRaisonnement probabiliste
Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte
Plus en détailAnalyser Détecter Rapporter
A LA RECHERCHE DE LA PURETE... Analyser Détecter Rapporter DÉTECTION DES MÉTAUX POUR L INDUSTRIE PHARMACEUTIQUE EARNING CUSTOMER CONFIDENCE Analyser Détecter Rapporter A LA RECHERCHE DE LA PURETE... Lock
Plus en détailEnjeux mathématiques et Statistiques du Big Data
Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris
Plus en détailL approche de régression par discontinuité. Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011
L approche de régression par discontinuité Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011 Plan de la présentation L approche de régression par discontinuité (RD) Historique
Plus en détailInitiation à LabView : Les exemples d applications :
Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailExcel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur
Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailDYNTEST AML (Alarme/Moniteur/Logger) Surveillance du filtre à particules
DYNTEST AML (Alarme/Moniteur/Logger) Surveillance du filtre à particules COMMANDE (Control Box) avec faisceau de câbles raccordé CONDUITE DE PRESSION y incl. Instructions d installation et matériel de
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 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 détailTangibleData. Manipulation tangible et multitouch de bases de données
TangibleData Manipulation tangible et multitouch de bases de données Tangible Data est un environnement de manipulation et d exploration tangible de base de données pour extraire efficacement des informations
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailInfrastructure Management & Monitoring for Business-Critical Continuity. LIFE.net. Diagnostics et service à distance
Infrastructure Management & Monitoring for Business-Critical Continuity LIFE.net Diagnostics et service à distance Emerson Network Power, une division groupe Emerson, est une société internationale qui
Plus en détailRapport de suivi du système de télésurveillance de la carrière souterraine Nord Ouest de Saint- Sulpice-de-Cognac (I 6)
Rapport de suivi du système de télésurveillance de la carrière souterraine Nord Ouest de Saint- Sulpice-de-Cognac (I 6) ler semestre 2002 Renault O. Juiilei ZOO2 Ri-51786 Rapport de suivi du système de
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailConception et contrôle des SMA tolérants aux fautes
Conception et contrôle des SMA tolérants aux fautes Une plate-forme multiagents tolérante aux fautes à base de réplication Nora FACI Contexte SMA large échelle Nombre important d agents Ressources éloignées
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 détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailSystème de Communications Avancées by Pulsar VoIP. Pulsar VoIP - Automation Design - chemin des aulx 18-1228 Genève - www.pulsarvoip.
Système de Communications Avancées by Pulsar VoIP Pulsar VoIP - Automation Design - chemin des aulx 18-1228 Genève - www.pulsarvoip.ch TEL + 41 22 510 20 10 info@pulsarvoip.ch PRESENTATION Pulsar VoIP?
Plus en détailThe job scheduling company
The job scheduling company 0 SOMMAIRE MANUEL DE PILOTAGE EVOLUTION VERS VISUAL TOM 5 1 MANUEL DE PILOTAGE - Objectifs Connaissance et maîtrise des limites de fonctionnement Connaissance précise des opérations
Plus en détailExercice 6 Associer chaque expression de gauche à sa forme réduite (à droite) :
Eercice a Développer les epressions suivantes : A-(-) - + B-0(3 ²+3-0) -0 3²+-0 3+00 B -30²-30+00 C-3(-) -3 + 3-3²+6 D-(-) + ² Eerciceb Parmi les epressions suivantes, lesquelles sont sous forme réduite?
Plus en détailData Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
Plus en détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailChanger la source d'une requête dans SAS Enterprise Guide. Ce document explique comment changer la table source de la tâche Filtre et requêtes.
SAS, Cognos, Stata, Eviews, conseil, expertise, formation, mining, datamining, statistique, connaissance Changer la source d'une requête dans SAS Enterprise Guide client, valeur client, CRM, fidélisation,
Plus en détailPARAGON - Sauvegarde système
PARAGON - Sauvegarde système 1 Télécharger Paragon Backup & Recovery 2013 Free Disponible maintenant gratuitement et en français, Paragon Backup & Recovery 2013 Free est un logiciel-utilitaire permettant
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
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 détailFormation Bâtiment Durable : Suivi et monitoring des bâtiments durables
Formation Bâtiment Durable : Suivi et monitoring des bâtiments durables Bruxelles Environnement INTRODUCTION : FACTEURS DETERMINANTS POUR LA GESTION DES BATIMENTS DURABLES Thomas DEVILLE Cenergie cvba
Plus en détailIntroduction aux outils BI de SQL Server 2014. Fouille de données avec SQL Server Analysis Services (SSAS)
MIT820: Entrepôts de données et intelligence artificielle Introduction aux outils BI de SQL Server 2014 Fouille de données avec SQL Server Analysis Services (SSAS) Description générale Ce tutoriel a pour
Plus en détailMasses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA
Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
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 détailmission. Le premier poste du programme de travail du DREV vise la qualification, la quantification et le suivi
Dans le cadre de la mission le DREV est chargé de conduire des études et expérimentations permettant de mieux comprendre les usages en matière de consommation de produits culturels en ligne et de produire
Plus en détailLa solution éco performante pour la sécurisation de l alimentation électrique des Datacenters à haut niveau de disponibilité
La solution éco performante pour la sécurisation de l alimentation électrique des Datacenters à haut niveau de disponibilité Alimentation Sans Interruption en liaison avec : Les échanges et besoins en
Plus en détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailSECURIT GSM Version 2
EOLE informatique SECURIT GSM Version 2 Notice d installation & Guide utilisateur Eole informatique 42 rue Claude Decaen -75012 Paris Tél. 01.43.43.00.97 www.eole-informatique.com 15/03/2006 SOMMAIRE Notice
Plus en détailTARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé
TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé Plan de l intervention 1 2 3 Généralités sur le fonctionnement de l assurance
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailfullprotect inside EOLE SPEie RS E-SPEie 0.5-12-5V-0.6A-RS 1.0 revision Protection environnement Datasheet édition française
Protection environnement Datasheet édition française 1.0 revision R-D-CO-D-27112011-1.0-C fullprotect inside SPEi Protection environnement interne SPEe Protection environnement externe SPEc Contrôle de
Plus en détailTechniques du Data Mining pour la prédiction de faillite des entreprises et la gestion du risque de crédit
Techniques du Data Mining pour la prédiction de faillite des entreprises et la gestion du risque de crédit Adil Belhouari HEC - Montréal - Journées de l Optimisation 2005-09 Mai 2005 PLAN DE LA PRÉSENTATION
Plus en détailPrincipe d optimisation. Optimisation technico-économique. Coût. Isolation thermique. Isolation optimale
Optimisation technico-économique Objectif : obtenir une certaine prestation à moindre coût Dans le domaine du bâtiment, cette optimisation peut s appliquer à trois niveaux différents : choix des composants
Plus en détailFormation Bâtiment Durable : Suivi et monitoring des bâtiments durables
Formation Bâtiment Durable : Suivi et monitoring des bâtiments durables Bruxelles Environnement Monitoring énergétique: enjeux, implications et bénéfices Vincent DIERICKX Cenergie Objectifs de la présentation
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailFormation. Module WEB 4.1. Support de cours
Formation Module WEB 4.1 Support de cours Rédacteur Date de rédaction F.CHEA 08/02/2012 Les informations contenues dans ce document pourront faire l'objet de modifications sans préavis Sauf mention contraire,
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détail