Plans expérimentaux

Langue
d'enseignement

Français
> English-friendly

Préalables

Concepts et outils équivalents à ceux enseignés dans les UEs

LSTAT2120	Linear models
LSTAT2020	Logiciels et programmation statistique de base

Thèmes abordés

Le cours présente la méthodologie et les outils de la planification expérimentale de façon intuitive sur base d'études de cas et d'exercices intégratifs. Les thèmes suivants sont abordés et mis en pratique par les étudiant·e·s : - Cycle et stratégies expérimentales. - Régression linéaire en planification expérimentale. - Description d'un problème et évaluation de la qualité d'un plan. - Plans factoriels et dérivés. - Plans pour l'estimation de modèles d'ordre 2. - Plans optimaux. - Planification expérimentale vue par Taguchi. - Plans pour le traitement de problèmes de mélange . - Optimisation simultanée de plusieurs réponses. - Algorithmes du simplexe et EVOP pour l'optimisation d'une réponse.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	A. Eu égard au référentiel AA du programme de master en statistique, orientation biostatistique, cette activité contribue au développement et à l'acquisition des AA suivants, de manière prioritaire : 1.3, 2.2, 2.3, 2.5, 3.1, 3.2, 3.3, 3.4, 5.4, 5.5 Eu égard au référentiel AA du programme de master en statistique, orientation générale, cette activité contribue au développement et à l'acquisition des AA suivants, de manière prioritaire : 1.3, 2.2, 2.3, 2.5, 3.1, 3.2, 3.3, 3.4, 5.5, 5.6 B Au terme du cours l'étudiant aura pris conscience de l'intérêt d'adopter une méthodologie pour planifier des expériences afin d'en tirer un maximum d'informations à moindre coût. Il aura acquis des connaissances sur les différentes classes de plans expérimentaux disponibles et leurs propriétés respectives ainsi que sur les méthodes statistiques utilisées pour l'analyse des résultats. Il sera finalement capable de mettre en oeuvre la méthodologie et les outils dans la pratique en utilisant un logiciel adapté.

Contenu

Les thèmes suivants sont abordés et mis en pratique par les étudiants :

• Cycle et stratégies expérimentales.
• Régression linéaire en planification expérimentale.
• Optimisation simultanée de plusieurs réponses.
• Description d'un problème et évaluation de la qualité d'un plan.
• Plans de criblage.
• Plans factoriels et dérivés.
• Plans pour l'estimation de modèles d'ordre 2.
• Plans optimaux.
• Plans pour le traitement de problèmes de mélange.
• Plans en bloc.
• Plans pour l'estimation de composantes de variance.

Le cours est organisé en modules dont un sous-ensemble constitue le partim A qui peut être suivi pour 3 crédits au lieu de 5 crédits.

Méthodes d'enseignement

Cours (30h)

• Présentation des méthodes sur base de situations réelles.
• Discussion des techiques de calcul pour les méthodes simples.
• Interprétation de résultats de logiciel.
• Exposé interactif où les étudiants sont invités à être actifs durant le cours.  
• Le cours est donné en salle informatique et les étudiant·e·s peuvent donc directement appliquer les méthodes au cours avec les logiciels adaptés.  

TPs sur ordinateur (10h)

• Application des méthodes vues au cours sur des cas/données émanant d'applications industrielles ou de  domaines de recherche académique.

Projets et travaux à domicile

• Chaque semaine un exercice à domicile est demandé en préparation au TP ou cours suivant pour permettre à l'étudiant·e d'intégrer progressivement le concepts et de valider ses compétences.  

Modes d'évaluation
des acquis des étudiants

La note du cours est basée sur :

1. Des activités d'évaluation continue
   1. La réalisation de devoirs obligatoires durant le quadrimestre.  
   2. Quizz en ligne durant le quadrimestre.  
2. Un examen écrit sur le contenu du cours ("théorie” et exercices méthodologiques). 
3. La réalisation d’un projet appliqué (par groupes de 2 étudiants) concrétisé par un rapport écrit et une présentation orale suivie de questions.
4. Un test d’exercices pratiques réalisé en salle informatique.

Pour les étudiants qui suivent le cours complet,

• l'évaluation continue compte pour 10% des points
• l’examen écrit compte pour 60% des points
• le projet compte pour 30% des points
• le test en salle informatique est une activité d’auto-apprentissage non-sanctionnée (et optionnelle).

Pour les étudiants qui suivent le Partim A uniquement,

• l’évaluation continue compte pour 10% des points,
• l’examen écrit compte pour 70% des points,
• Le test en salle informatique compte pour 20% des points.
• le projet est optionnel.

Dans la note globale, les points d’évaluation continue, du projet, ou du test en salle informatique ne sont acquis que si l'étudiant a obtenu une note de minimum 45% à l'examen écrit sinon la note de l'écrit remplace la note globale.   

Autres infos

Pré-requis :

• Formation de base en probabilité et statistique : statistique descriptive, inférence statistique de base, régression linéaire multiple.
• Capacité d'utiliser couramment un ordinateur personnel : manipulation de fichiers, utilisation de Word et Excel.

Documentation

• Tout est disponible sur le site moodle

Logiciel
 Plusieurs logiciels de plans d'expérience sont disponibles dans la salle didactique et pour téléchargement sur ordinateurs personnels.

Ressources
en ligne

Voir le site Moodle pour plus d'information

Bibliographie

• Box G. et Draper N. et H. Smith [1987], Empirical Model-Building and Response Surfaces, Wiley, New York
• Khuri A. et Cornell J., [1996], Response surfaces : designs and analyses, Marcel Dekker.
• Myers R.H., Douglas C. Montgomery [2002], Response Surface Methodology: Process and Product Optimization Using Designed Experiments. Wiley
• Et beaucoup d'autres possibles...

Support de cours

• Voir le site Moodle

Faculté ou entité
en charge

> LSBA