Séance de cours

Conception d'expériences: conception et analyse statistiques

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MICRO-110: Probability & statistics for engineers

This course covers the basics of probability and statistical techniques for engineers, including major probability concepts, data analysis, and statistical inference.

Description

Cette séance de cours couvre la conception statistique des expériences, en se concentrant sur la minimisation des coûts, l'exploitation des tests t, la maximisation de la précision et la bonne distribution des conditions des facteurs. Il explique la conception factorielle, la construction du modèle, lestimation des effets et la résolution factorielle fractionnelle.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Vivek Subramanian

Enseignement et PhD Doctorant·es actuel·les Giovanni Ruffolo, Giada Romano, Sanjay Manoharan, Kyle Haas, Claude Dahan, Biruktait Ayele Lemecho, Yagmur Ceren Alatas, Tugçe Delipinar A dirigé les thèses EPFL de Amin Hodaei, Mustafa Mohieldin Fadlelmula Fadlelseed A co-dirigé les thèses EPFL de Mohammad Jafarpour Cours Organic and printed electronics MICRO-505 Ce cours traite de la mise en œuvre des technologies de l'électronique organique et imprimée: les matériaux, les procédés d'impression

Source officielle

Concepts associés (32)

Plan factoriel

thumb|right|Expériences statistiques : à gauche, un plan factoriel et, à droite, la surface de réponse obtenue par la méthode des surfaces de réponses En statistiques, un plan factoriel est une expérience qui consiste à choisir des valeurs pour chacun des facteurs en faisant varier simultanément tous les facteurs, de façon exhaustive ou non. Le nombre d'essais peut alors devenir très grand, i.e. on a une explosion combinatoire. Une telle expérience permet l'étude de l'effet de chaque variable sur le processus, ainsi que l'étude de la dépendance entre les variables.

Fractional factorial design

In statistics, fractional factorial designs are experimental designs consisting of a carefully chosen subset (fraction) of the experimental runs of a full factorial design. The subset is chosen so as to exploit the sparsity-of-effects principle to expose information about the most important features of the problem studied, while using a fraction of the effort of a full factorial design in terms of experimental runs and resources.

Plan d'expériences

On nomme plan d'expériences (en anglais, design of experiments ou DOE) la suite ordonnée d'essais d'une expérimentation, chacun permettant d'acquérir de nouvelles connaissances en maîtrisant un ou plusieurs paramètres d'entrée pour obtenir des résultats validant un modèle avec une bonne économie de moyens (nombre d'essais le plus faible possible, par exemple). Un exemple classique est le « plan en étoile » où en partant d'un jeu de valeurs choisi pour les paramètres d'un essai central, on complète celui-ci par des essais où chaque fois un seul des facteurs varie « toutes choses égales par ailleurs ».

Optimal design

In the design of experiments, optimal designs (or optimum designs) are a class of experimental designs that are optimal with respect to some statistical criterion. The creation of this field of statistics has been credited to Danish statistician Kirstine Smith. In the design of experiments for estimating statistical models, optimal designs allow parameters to be estimated without bias and with minimum variance. A non-optimal design requires a greater number of experimental runs to estimate the parameters with the same precision as an optimal design.

Statistical assumption

Statistics, like all mathematical disciplines, does not infer valid conclusions from nothing. Inferring interesting conclusions about real statistical populations almost always requires some background assumptions. Those assumptions must be made carefully, because incorrect assumptions can generate wildly inaccurate conclusions. Here are some examples of statistical assumptions: Independence of observations from each other (this assumption is an especially common error). Independence of observational error from potential confounding effects.

Afficher plus

Séances de cours associées (64)

Réservoirs et barrages : construction et dimensionnement hydrauliques

Explore le dimensionnement des réservoirs et des barrages en utilisant des courbes d'écoulement cumulatives et le dimensionnement des réservoirs pour les périodes sèches et pluvieuses.

Introduction à ANOVA

Couvre les bases d'ANOVA en utilisant une étude de cas sur l'efficacité des somnifères.

DOE Facteurs qualitatifs III

Explore les facteurs qualitatifs dans la conception des expériences, y compris les carrés latins, les conceptions factorielles et les tables ANOVA.

Réservoirs et barrages: Travaux hydrauliques et installations

Explore le rôle, le fonctionnement et le dimensionnement des réservoirs et des barrages dans les ouvrages et installations hydrauliques.

Conception d’expériences : efficacité et interactions

Présente la conception des expériences, en mettant l'accent sur l'efficacité et les interactions en R & D à travers le contexte historique et des exemples pratiques.

Afficher plus

Concepts associés (32)

Plan factoriel

Fractional factorial design

Plan d'expériences

Optimal design

Statistical assumption

Afficher plus