Analyse Statistique des Données de Lifetest



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

Application de la théorie des valeurs extrêmes en assurance automobile

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

" BIOSTATISTIQUE - 1 "

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

GIN FA INSTRUMENTATION P Breuil

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

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

Intégration et probabilités ENS Paris, TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Incertitudes expérimentales

Ressources pour le lycée général et technologique

OBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)

Mesure avec une règle

Coefficient de partage

Remboursement d un emprunt par annuités constantes

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES

Solutions particulières d une équation différentielle...

UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

Montage émetteur commun

SYSTEME FERME EN REACTION CHIMIQUE

Virtualization. Panorama des solutions de virtualisation sur différentes plate-formes. Laurent Vanel Systems Architect IBM

1. Les enjeux de la prévision du risque de défaut de paiement

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

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

Économétrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

TD 1. Statistiques à une variable.

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle»

ESTIMATION DES TITRES VIRAUX : UNE PROGRAMMATION PRATIQUE ET FIABLE SUR CALCULATRICE DE POCHE, ET ACCESSIBLE PAR l INTERNET

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS

Fonctions de deux variables. Mai 2011

Chapitre 3 : Transistor bipolaire à jonction

Analyse de sensibilité des modèles de simulation. Samuel Buis UMR 1114 EMMAH Avignon

1.0 Probabilité vs statistique Expérience aléatoire et espace échantillonnal Événement...2

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

La Quantification du Risque Opérationnel des Institutions Bancaires

Soutenue publiquement le Mardi 04/Mai/2010 MEMBRES DU JURY

Polynésie Septembre Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Exercice I ( non spé ) 1/ u 1 = u / Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique

[ édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ ] [correction] Si n est un entier 2, le rationnel H n =

Etude de la fonction ζ de Riemann

Formation d un ester à partir d un acide et d un alcool

Chapitre 3 : Fonctions d une variable réelle (1)

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat

2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre.

STATISTIQUE AVANCÉE : MÉTHODES

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

Votre succès notre spécialité!

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

Limites des Suites numériques

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises

1 Mesure et intégrale

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Comportement d'une suite

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Les Nombres Parfaits.

Pourquoi LICIEL? Avec LICIEL passez à la vitesse supérieure EPROUVE TECHNICITE CONNECTE STABILITE SUIVIE COMMUNAUTE

Introduction : Mesures et espaces de probabilités

Méthodes de Simulation

COMPARAISON DE MÉTHODES POUR LA CORRECTION

Le Sphinx. Enquêtes, Sondages. Analyse de données. Internet :

À travers deux grandes premières mondiales

LA MESURE DE PRESSION PRINCIPE DE BASE

Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.

Processus et martingales en temps continu

Cours 5 : ESTIMATION PONCTUELLE

Compression Compression par dictionnaires

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

PREMIERS PAS en REGRESSION LINEAIRE avec SAS. Josiane Confais (UPMC-ISUP) - Monique Le Guen (CNRS-CES-MATISSE- UMR8174)

Une action! Un message!

La théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.

OM 1 Outils mathématiques : fonction de plusieurs variables

Chap. 5 : Les intérêts (Les calculs financiers)

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

DETERMINANTS. a b et a'

3. Caractéristiques et fonctions d une v.a.

Séries réelles ou complexes

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

CHAPITRE 2 SÉRIES ENTIÈRES

Estimation des incertitudes sur les erreurs de mesure.

Équations non linéaires

Fiche IP n 4 Les Techniques de Recherche d Emploi

n 1 LES GRANDS THÈMES DE L ITB > 2009 Les intérêts simples et les intérêts composés ( ) C T D ( en mois)

Grandeur physique, chiffres significatifs

1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.

INTRODUCTION. Jean-Pierre MAGNAN Chef de la section des ouvrages en terre Département des sols et fondations Laboratoire central

Stéganographie Adaptative par Oracle (ASO)

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire

RDV E-commerce 2013 Mercredi 6 Mars, Technopark

Transcription:

Aalyse Statstque des Doées de Lfetest Evas Gouo Laboratore de Statstque Applquée de l Uversté de Bretage-Sud

Pla Gééraltés Les modèles paramétrques Essas accélérés : modèle d accélérato Exemple Step-Stress

Gééraltés X : durée / varable aléatore postve caractérstques de cette v.a. décrre Observatos de X ( X, X,, X ) -échatllo Lo Lo de probablté focto de x réalsato de X dépedat d u paramètre Modèle Statstque (Espace d Observatos, Lo, Espace de paramètre)

Statstque Fabrquer des foctos des observatos g ( X,X,, X ) No paramétrque Focto fablté R(x) P( X > x ) ( X > x) Focto fablté emprque Focto Fablté Pour u échatllo de 0 durées comprses etre 5 et 50 utés de temps. temps

Paramétrque X ~ f (X θ) desté de la lo de probablté + x P ( X > x) f ( x θ ) dx MF E(X) + x 0 f ( x) dx Iférece sur θ Estmato poctuelle ester des valeurs Costrure des tervalles de cofaces

Chox d u modèle 0 x x+dx C Probablté de défallace stataée P( X x+dx X > x ) (x) dx Das le cycle de ve, cette probablté de défallace vare. (x) taux de défallace (t) Jeuesse (t) Maturté (t) Usure t t t

Exemples de modèle Modèle Paramètre Desté MF Fablté aux de défallace Expoetelle exp { x} exp{ x} / Webull (α, ) α x exp α α Γ(+/) exp x α x α α Gamma (α, ) α α x exp x Γ( α) { } α / Γ(x ; α, ) Desté Log-ormale (µ, σ ) exp πσx log x µ σ σ exp µ + log x µ φ σ Fablté

Méthodes graphques 40 76 45 346 377 404 437 66 80 37 7 87 89 5 85 3 53 7 30 37 38 5 69 83 9 9 9 3 9 3 9 65 87 Cas Webull l l R ( X ( x) > x) exp l x x α lα 40 C 80 C 30 C ll R (x) l x l x l x y.33x - 7.446 y.4454x - 7.4888 y.3357x - 6.3675

Iférece Approche classque Estmato poctuelle du paramètre Maxmum de vrasemblace Lo jote de l observato vue comme ue focto du paramètre Méthode des momets Egaler les momets emprques aux momets théorques. Exemple cas expoetel : ˆ x MF

Durée de lo expoetelle ype I L essa s arrête au bout d u temps C fxé. Sas replacemet Avec remplacemet Estmateur du Maxmum de vrasemblace x + ( ) C C Lo du ombre de paes Bomale (, p) avec p - e -C Posso de paramètre C Itervalle de Coface de veau α N α 3 3 ˆ, + Nα 3 3 ˆ χ-α /() χ-α /( +, C C )

Durée de lo expoetelle ype II L essa s arrête au bout d u ombre de paes fxé Sas replacemet Avec remplacemet Estmateur du Maxmum de vrasemblace ( x ( ) ( ) x( ) + ) x Lo du ombre de paes Posso de paramètre C Posso de paramètre C Itervalle de Coface de veau α χ α / () χα / x, ( ) ( ) + ( ) x( ) χ α / () χα / (), x( ) x( )

Iférece L approche Bayésee Idée a pror sur le paramètre formalsée par u lo de probablté : lo a pror π (θ) Lo des observatos : f (x θ) héorème de Bayes Lo a posteror : π ( θ x) f ( xθ ) π ( θ ) f ( x) Estmateurs de Bayes Espérace de la lo a posteror Mode de la lo a posteror

Iférece Exemple : Cas d ue lo expoetelle Lo des observatos : f ( x, K, x ) exp x Lo a pror : π ( ) α Γ( α) α exp { } Lo a posteror : π ( x, K, x ) a b a exp Γ( a) { b} a + α x b +

Iférece Estmateur de Bayes ~ + α x + ( q) ˆ + qe( ) avec q + 0.0600 0.0500 0.05 0.0400 0.0300 0.05 0.000 0.000 0.0000 0 0. 0.4 0.6 0.8 Emv 0.09 0.00

Essas Accélérés Codtos Stadard X Stress Y ξ paramètres caractérsat le stress Modèle d accélérato Y ϕ ξ (X) Problème : trouver ϕ ξ focto postve décrossate

Essas Accélérés 3 Stratéges Polyôme Paramètre Modèle de Cox ϕ ξ (X) a 0 + a X + a X + a 3 X 3 + Les a dépedet des paramètres de stress Le paramètre θ du modèle de durée est ue focto du stress. La dépedace porte sur le taux de défallace (t ξ) exp (a.ξ) 0 (t) AF(ξ) exp (a.ξ)

Exemples : Expoetelle Webull Log-ormal 0 0 exp K E a.b. Y AF(). X ) ( ) ( α x x 0 0 exp ) α( α K E a avec ) ( 0 φ ν ν µ + K ) ( 0 φ avec costat σ costat Essas Accélérés

Step-Stress Stress température τ 0 C AF( ξ ) 0,,. Modèle d Arrheus Ea exp K 0,,. ξ K 0 a l 0 b E a l a + b ξ,,.

Estmato :,., ˆ + +,, ) )( ( ) ( ) ( C x x τ τ τ + + l l l l ξ ξ b a b a { } 0 ˆ exp ˆ ˆ ˆ l ˆ ξ a a E E Step-Stress

Step-Stress est à 0 veaux Applcato sur doées smulées 45 peces E a 0.37 ev 0 5.707E-6 h - emp. 0 40 60 80 90 00 0 0 30 40 4 4 5 5 7 c 0 0 0 0 0 0 0 0 Estmato E a (ev) 0 (h - ) Valeurs etrées 0.37 5.7077 0-6 EMV 0.777.660 0-6 Bayes 0.3959 3.76 0-6

Step-Stress Représetato du taux de défallace 0,003 0,005 0,00 MLE heortcal Bayes (t) 0,005 0,00 0,0005 0 temps

Cocluso Nouveaux développemets Step-Stress Optmalté Pareto est E a Fablts : logcel de calcul