Statistique

  • ECTS

    1,5 crédits

Description

  • Introduction : définition, historique et processus d'extraction des connaissances à partir du recueil et l'exploitation de données sur un système à composante humaine ou non
  • Des objectifs de l'étude aux données : typologies des objectifs, des modèles d'échelle de mesure, des imperfections dans les données, des modes de planification d'une étude
  • Des données aux résultats : les différentes étapes de l'analyse a) caractérisation, b) codage, c) mise sous forme de tableaux, d) analyse de tableaux et e) présentation des résultats) ; différentes approches : a)
  • descriptive monovariée, b) descriptive bi et multivariée (ACP, ACM avec codage binaire et flou, CAH), c) inférentielle monovariée
  • Projet : comparer Excel, Scilab, Labview et R en vue de sélectionner un (ou deux) logiciel(s) sur le(s)quel(s) ce cours pourrait s'appuyer
Lire plus

Objectifs

  • Appréhender les différents types de données, via les dimensions taxinomiques usuelles : a) subjectives vs. objectives, b) temporelles vs. non temporelles, c) quantitatives vs. qualitatives, d) déterministes vs.
  • probabilistes
  • Organiser le recueil de données via les notions d'échantillonnage et de plans d'expériences ou d'observations
  • Exploiter (caractériser, coder, détecter les erreurs, modéliser sous forme d'un modèle mathématique, graphique ou verbal) les données en vue d'accroître la connaissance sur un système
  • Appréhender une chaîne de traitement numérique simple pour la communication entre systèmes (chaîne d'émission, chaîne de réception) avec caractérisation et implémentation de filtres (RII et RIF)
  • Modéliser des systèmes stochastiques et à files d'attente (pour les SPBS)
  • Simuler des données suivant des distributions spécifiques (Laplace-Gauss, Weibull, Student, Fisher-Snedecor, équiprobable, exponentielle, ...) avec des applications diverses pour l'étude des systèmes (Monte
  • Carlo, Jacknife, ... )
  • Déterminer des solutions optimales pour l'analyse des systèmes après avoir fixés les objectifs et les critères d'optimisation
  • Savoir utiliser des logiciels pour l'ingénieur (Matlab, R, Siman/Arena) pour effectuer le traitement numérique de données et la simulation de systèmes (calcul d'indicateurs statistiques et de performance,
  • diagonalisation de matrice, calcul de TFD, filtrage, corrélation, modulation, démodulation, ...)
  • Rédiger, en groupe, un rapport synthétique et présenter son travail oralement
Lire plus

Heures d'enseignement

  • Cours MagistrauxCours Magistral10,5h
  • Travaux DirigésTravaux Dirigés10,5h
  • Travaux PratiquesTravaux Pratique9h

Syllabus

  • Probabilité, analyse de données et statistique, G. Saporta, 2015, Technip. Statistiques avec R, P.A. Cornillon et al., 2010, Presses Universitaires de Rennes
Lire plus