Séance de cours

Tests de randomisation : Comprendre les résultats expérimentaux

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 introduit les tests de randomisation comme une alternative aux tests t lorsque l'hypothèse normale, indépendante et distribuée à l'identique est violée. En créant de fausses données aléatoires, les chercheurs peuvent tester la signification sans données de référence externes. Le processus implique de mélanger les étiquettes et d'analyser les variations pour déterminer si l'hypothèse nulle tient. La séance de cours couvre également les expériences appariées, où des données avant et après ou des échantillons corrélés peuvent être utilisés pour la randomisation. Grâce à des exemples comme une expérience d'engrais de tomate, les élèves apprennent à appliquer des tests de randomisation pour évaluer l'efficacité des traitements.

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 (22)

Test statistique

En statistiques, un test, ou test d'hypothèse, est une procédure de décision entre deux hypothèses. Il s'agit d'une démarche consistant à rejeter ou à ne pas rejeter une hypothèse statistique, appelée hypothèse nulle, en fonction d'un échantillon de données. Il s'agit de statistique inférentielle : à partir de calculs réalisés sur des données observées, on émet des conclusions sur la population, en leur rattachant des risques d'être erronées. Hypothèse nulle L'hypothèse nulle notée H est celle que l'on considère vraie a priori.

Test de Student

En statistique, un test de Student, ou test t, désigne n'importe quel test statistique paramétrique où la statistique de test calculée suit une loi de Student lorsque l’hypothèse nulle est vraie. gauche|vignette|Façade de la brasserie historique Guinness de St. James. vignette|William Sealy Gosset, qui inventa le test t, sous le pseudonyme Student. Le test de Student et la loi de probabilités qui lui correspond ont été publiés en 1908 dans la revue Biometrika par William Gosset.

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 ».

Hypothèse nulle

En statistiques et en économétrie, l'hypothèse nulle (symbole international : ) est une hypothèse postulant l'égalité entre des paramètres statistiques (généralement, la moyenne ou la variance) de deux échantillons dont elle fait l’hypothèse qu'ils sont pris sur des populations équivalentes. Elle est toujours testée contre une hypothèse alternative qui postule soit la différence des données (test bilatéral), soit une inégalité (plus petit que ou plus grand que) entre les données (test unilatéral).

Randomization

Randomization is the process of making something random. Randomization is not haphazard; instead, a random process is a sequence of random variables describing a process whose outcomes do not follow a deterministic pattern, but follow an evolution described by probability distributions. For example, a random sample of individuals from a population refers to a sample where every individual has a known probability of being sampled. This would be contrasted with nonprobability sampling where arbitrary individuals are selected.

Afficher plus

Séances de cours associées (44)

Statistiques et conception expérimentale

Explore la probabilité conditionnelle, les études de Framingham, la taille de l'effet, le test t et l'erreur d'échantillonnage dans les statistiques.

Comprendre les statistiques et le design expérimental

Explore les tests t, les intervalles de confiance, l'ANOVA et les tests d'hypothèse dans les statistiques, en soulignant l'importance d'éviter les fausses découvertes et de comprendre la logique derrière les tests statistiques.

Distributions de probabilités dans les études environnementales

Explore les distributions de probabilité pour les variables aléatoires dans les études sur la pollution atmosphérique et le changement climatique, couvrant les statistiques descriptives et inférentielles.

Comprendre les statistiques et le design expérimental

Fournit un aperçu de la théorie des probabilités de base, de l'ANOVA, des tests t, du théorème de limite centrale, des métriques, des intervalles de confiance et des tests non paramétriques.

Introduction à ANOVA

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

Afficher plus

Concepts associés (22)