Plans expérimentaux

lstat2320  2020-2021  Louvain-la-Neuve

Plans expérimentaux
En raison de la crise du COVID-19, les informations ci-dessous sont susceptibles d’être modifiées, notamment celles qui concernent le mode d’enseignement (en présentiel, en distanciel ou sous un format comodal ou hybride).
5 crédits
22.5 h + 7.5 h
Q2
Enseignants
Bogaert Patrick; Govaerts Bernadette;
Langue
d'enseignement
Français
Thèmes abordés
Le cours présente la méthodologie et les outils de la planification expérimentale de façon intuitive sur base d'études de cas. Les thèmes suivants sont abordés et mis en pratique par les étudiants : - 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.
Méthodes d'enseignement

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Cours (22.5h)
  • 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 étudiants peuvent donc directement appliquer les méthodes au cours avec le logiciel JMP.  
TPs sur ordinateur (15h)
  • Application des méthodes vues au cours sur des cas/données émanant d'applications industrielles ou de domaines de recherche UCL
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 d'intégrer progressivement le concepts et de valider vos compétences.  
Modes d'évaluation
des acquis des étudiants

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

  1. Réalisation obligatoire des devoirs durant le quadrimestre.  
  2. Participation à plusieurs quizz durant le quadrimestre.  
  3. Réalisation d'un projet appliqué (par groupes de 1, 2 ou 3). 
  4. Examen écrit sur le contenu du cours ("théorie" et d'exercices méthodologiques). 
  5. Examen oral et de discussion du travail (par groupe).  L'examen compte pour 12/20, le travail compte pour 7/20 et les quizz pour 1/20.  Les points du travail et des tests ne sont acquis que si l'examen écrit est réussi (avec 6/12).  
Les étudiants qui réalisent uniquement la partim A ne font pas le projet (3.) et l'examen oral (5.).  
 
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. Le logiciel enseigné dans le cours est JMP. L'UCL a un contrat site pour ce logiciel qui permet aux étudiants de se le procurer.
Ressources
en ligne
Voir le site Moodle: : https://moodleucl.uclouvain.be/mod/page/view.php?id=537330
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: : https://moodleucl.uclouvain.be/mod/page/view.php?id=537330
Faculté ou entité
en charge
LSBA
Force majeure
Modes d'évaluation
des acquis des étudiants
La crise sanitaire implique des incertitudes quant aux modalités d’évaluation en particulier pour la session de juin. Deux options sont envisagées selon la sévérité des contraintes liées à la crise sanitaire.
Un plan A en présentiel :
  • Examen écrit
Un plan B en distanciel :
  • Examen écrit sur Moodle ou Gradescope


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en science des données, orientation statistique

Certificat d'université : Statistique et sciences des données (15/30 crédits)

Mineure en statistique, sciences actuarielles et science des données

Master [120] : bioingénieur en sciences agronomiques

Master [120] : bioingénieur en sciences et technologies de l'environnement

Master [120] : bioingénieur en chimie et bioindustries

Approfondissement en statistique et sciences des données

Master [120] en statistique, orientation générale

Master [120] en statistique, orientation biostatistiques

Master [120] : ingénieur civil biomédical