Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Mise en oeuvre de l'échantillonnage et de la quantification

Dans cours

ME-321: Control systems + TP

Provides the students with basic notions and tools for the analysis and control of dynamic systems. Shows them how to design controllers and analyze the performance of controlled systems. ...

Description

Cette séance de cours couvre la génération de signaux avec le bruit, l'échantillonnage, la conversion au numérique, les erreurs de quantification et la destruction de la conversion analogique au numérique. Il traite également de la résolution, de l'amplitude du signal et de la fréquence relative d'échantillonnage.

Enseignant·e·s (2)

Colin Neil Jones

Colin Jones is an Associate Professor in the Automatic Control Laboratory at the Ecole Polytechnique Federale de Lausanne (EPFL) in Switzerland. He was a Senior Researcher at the Automatic Control Lab at ETH Zurich until 2011 and obtained a PhD in 2005 from the University of Cambridge for his work on polyhedral computational methods for constrained control. Prior to that, he was at the University of British Columbia in Canada, where he took a BASc and MASc in Electrical Engineering and Mathematics. Colin has worked in a variety of industrial roles, ranging from commercial building control to the development of custom optimization tools focusing on retail human resource scheduling. His current research interests are in the theory and computation of predictive control and optimization, and their application to green energy generation, distribution and management.

Christophe Salzmann

Source officielle

Proximité ontologique

Statistique

Data collection: Échantillonnage (statistiques)

Concepts associés (32)

Échantillonnage (statistiques)

thumb|Exemple d'échantillonnage aléatoire En statistique, l'échantillonnage désigne les méthodes de sélection d'un sous-ensemble d'individus (un échantillon) à l'intérieur d'une population pour estimer les caractéristiques de l'ensemble de la population. Cette méthode présente plusieurs avantages : une étude restreinte sur une partie de la population, un moindre coût, une collecte des données plus rapide que si l'étude avait été réalisé sur l'ensemble de la population, la réalisation de contrôles destructifs Les résultats obtenus constituent un échantillon.

Cluster sampling

In statistics, cluster sampling is a sampling plan used when mutually homogeneous yet internally heterogeneous groupings are evident in a statistical population. It is often used in marketing research. In this sampling plan, the total population is divided into these groups (known as clusters) and a simple random sample of the groups is selected. The elements in each cluster are then sampled. If all elements in each sampled cluster are sampled, then this is referred to as a "one-stage" cluster sampling plan.

Échantillonnage stratifié

vignette|Vous prenez un échantillon aléatoire stratifié en divisant d'abord la population en groupes homogènes (semblables en eux-mêmes) (strates) qui sont distincts les uns des autres, c'est-à-dire. Le groupe 1 est différent du groupe 2. Ensuite, choisissez un EAS (échantillon aléatoire simple) distinct dans chaque strate et combinez ces EAS pour former l'échantillon complet. L'échantillonnage aléatoire stratifié est utilisé pour produire des échantillons non biaisés.

Convenience sampling

Convenience sampling (also known as grab sampling, accidental sampling, or opportunity sampling) is a type of non-probability sampling that involves the sample being drawn from that part of the population that is close to hand. This type of sampling is most useful for pilot testing. Convenience sampling is not often recommended for research due to the possibility of sampling error and lack of representation of the population. But it can be handy depending on the situation. In some situations, convenience sampling is the only possible option.

Sampling error

In statistics, sampling errors are incurred when the statistical characteristics of a population are estimated from a subset, or sample, of that population. It can produced biased results. Since the sample does not include all members of the population, statistics of the sample (often known as estimators), such as means and quartiles, generally differ from the statistics of the entire population (known as parameters). The difference between the sample statistic and population parameter is considered the sampling error.

Afficher plus

Séances de cours associées (38)

Transformée de Fourier et échantillonnage

Couvre la transformée de Fourier des signaux échantillonnés, la reconstruction et la réponse harmonique.

Filtrage et prélèvement des signaux

Explore les signaux filtrants avec un filtre moyen mobile et le processus d'échantillonnage, soulignant l'importance de la reconstruction des signaux à partir des échantillons.

Numérisation : Interfaces neuronales et amplificateurs

Explore la numérisation dans les interfaces neuronales, couvrant les modèles MOS, les amplificateurs CMOS, les facteurs de bruit, DC offset et les bases ADC.

Principes de la communication numérique

Couvre les principes de la communication numérique, en se concentrant sur le théorème d'échantillonnage de Nyquist et la dimension spatiale du signal.

Technologies et applications du matériel

Explore les technologies matérielles, l'électronique quantique, les systèmes cryogéniques, l'informatique quantique et les architectures ADC.

Afficher plus

Concepts associés (32)

Échantillonnage (statistiques)

Cluster sampling

Échantillonnage stratifié

Convenience sampling

Sampling error

Afficher plus