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 ».
Un type de plan plus exhaustif est le plan factoriel consistant 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 (explosion combinatoire).
Supposons que nous désirions savoir si la proportion de boules noires d'une urne est supérieure à 5 %, l'urne contenant boules. Nous partons avec l'idée d'en tirer 100 dans l'espoir d'avoir une bonne approximation de la proportion.
Si au cours du tirage, nous ramenons 51 boules noires, celui-ci peut être arrêté immédiatement : le poursuivre n'aurait pas de sens, puisqu'avec 51 boules noires sur une proportion supérieure à 5 % est maintenant certaine.
On peut raffiner encore en remarquant que la probabilité de tirer par exemple 5 boules noires dans les 5 premiers tirages ramène à 0,3 × 10−6 la probabilité que la proportion de boules noires soit inférieure à 5 %.
Dans la pratique, le calcul permet d'établir des règles strictes indiquant en fonction des résultats à quel moment le tirage doit s'arrêter - avec décision prise dans un sens ou dans l'autre - ou s'il doit être poursuivi.
Un plan d'expériences permet donc de réduire le nombre d'essais à ce qui est strictement nécessaire pour prendre une décision, ce qui peut épargner du temps, de l'argent et des vies.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
La problématique est la présentation d'un problème qui soulève une interrogation qu'il faut résoudre. La problématique d'une dissertation est la question à laquelle l'auteur doit répondre par une argumentation étayée. La problématique pose la question à laquelle la dissertation doit répondre. Incluse dans l'introduction, généralement vers sa fin, elle doit déterminer un cadre spatial et/ou temporel. Afin d'être correctement construite, la problématique requiert d'être extraite de l'énoncé, c'est-à-dire du sujet de l'épreuve.
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.
Exploratory research is "the preliminary research to clarify the exact nature of the problem to be solved." It is used to ensure additional research is taken into consideration during an experiment as well as determining research priorities, collecting data and honing in on certain subjects which may be difficult to take note of without exploratory research.
This course provides an introduction to experimental statistics, including use of population statistics to characterize experimental results, use of comparison statistics and hypothesis testing to eva
In the academic or industrial world, to optimize a system, it is necessary to establish strategies for the experimental approach. The DOE allows you to choose the best set of measurement points to min
The course teaches the acquisition of a methodology of designing experiments for optimal quality of the results and of the number of experiments.
Couvre les conceptions factorielles fractionnaires pour étudier efficacement les interactions dans les expériences, en se concentrant sur le repliement, l'interprétation géométrique et la sélection des effets.
Explore les facteurs qualitatifs dans la conception expérimentale, les stratégies factorielles, le calcul des modèles et les exercices pratiques dans Matlab.
L'histoire des sciences est l’étude de l'évolution de la connaissance scientifique. La science, en tant que corpus de connaissances, mais également comme manière d'aborder et de comprendre le monde, s'est constituée progressivement depuis plusieurs millénaires. C'est aux époques protohistoriques qu'ont commencé à se développer les spéculations intellectuelles visant à élucider les mystères de l'univers. L'histoire des sciences est une discipline qui étudie le mouvement progressif de transformation de ces spéculations et l'accumulation des connaissances qui l'accompagne.
Les méthodes expérimentales scientifiques consistent à tester la validité d'une hypothèse, en reproduisant un phénomène (souvent en laboratoire) et en faisant varier un paramètre. Le paramètre que l'on fait varier est impliqué dans l'hypothèse. Le résultat de l'expérience valide ou non l'hypothèse. La démarche expérimentale est appliquée dans les recherches dans des sciences telles que, par exemple, la biologie, la physique, la chimie, l'informatique, la psychologie, ou encore l'archéologie.
En mathématiques, la combinatoire, appelée aussi analyse combinatoire, étudie les configurations de collections finies d'objets ou les combinaisons d'ensembles finis, et les dénombrements. La combinatoire est en fait présente dans toute l'antiquité en Inde et en Chine. Donald Knuth, dans le volume 4A « Combinatorial Algorithms » de The Art of Computer Programming parle de la génération de n-uplets ; il dit que la génération de motifs combinatoires «a commencé alors que la civilisation elle-même prenait forme» (« began as civilization itself was taking shape»).
Machine learning is often cited as a new paradigm in control theory, but is also often viewed as empirical and less intuitive for students than classical model-based methods. This is particularly the case for reinforcement learning, an approach that does n ...
As the field of ethology advances, especially over the past two decades, the role of animal-robot interaction tools has increasingly become essential. This importance arises from the need for controlled, repetitive, repeatable, and long-duration experiment ...
EPFL2023
, , , , ,
Dielectric elastomer actuators (DEAs) offer a high degree of stretchability along with biocompatibility, making them valuable for biomedical applications. However, in order to effectively control the desired strain response of the DEA, it is crucial to ide ...