 Aims
At the end of the course, the student will be awared of the interest of using a methodology to design experiments that provides a maximum information at the lower cost. He will gain knowledge on different possible classes of experimental designs and on the statistical methods available to analyse experiment results.
Main themes
- Experimental cycle and strategies
- Linear regression as a tool to analyse the results of a designed experiment
- Problem formalisation and qualities of an experimental design
- Factorial designs and derivatives
- Designs for the estimation of response surfaces
- Optimal designs
- Experimental design as viewed by Taguchi
- Designs for mixture experiments
- Simultaneous optimisation of several responses
- Simplex and EVOP methodology to optimise one response
Content and teaching methods
The themes discussed in this course are :
- Experimental cycle and strategies
- Linear regression as a tool to analyse the results of a designed experiment
- Problem formalisation and qualities of an experimental design
- Factorial designs and derivatives
- Designs for the estimation of response surfaces
- Optimal designs
- Experimental design as viewed by Taguchi
- Designs for mixture experiments
- Simultaneous optimisation of several responses
- Simplex and EVOP methodology to optimise one response
Each course subject is presented on a case study.
Other information (prerequisite, evaluation (assessment methods), course materials recommended readings, ...)
Prerequistes
Basis courses in statistics. Course in linear models.
Reference :
Box G. et Draper N. et H. Smith [1987], Empirical Model-Building and Response Surfaces, Wiley, New York
Khuri A. et Cornell J., [1987], Response surfaces : designs and analyses, Marcel Dekker.
Myers R.H., Douglas C. Montgomery [1995], Response Surface Methodology: Process and Product Optimization Using Designed Experiments. Wiley
For more information:
http://www.stat.ucl.ac.be/cours/stat2450/index.html
http://www.stat.ucl.ac.be/cours/stat2520/index.html
Other credits in programs
|
BIR22/0A
|
Deuxième année du programme conduisant au grade de bio-ingénieur: Sciences agronomiques (Technologies et gestion de l'information)
|
(5 credits)
| |
|
BIR22/0C
|
Deuxième année du programme conduisant au grade de bio-ingénieur: chimie et bio-industries (Technologies & gestion de l'information)
|
(5 credits)
| |
|
BIR22/0E
|
Deuxième année du programme conduisant au grade de bio-ingénieur: Sciences et technologies de l'environnement (Technologies et gestion de l'information)
|
(5 credits)
| |
|
BIR22/8A
|
Deuxième année du programme conduisant au grade de bio-ingénieur : Sciences agronomiques (Intégrée, productions animales, végétales & économie)
|
(5 credits)
| |
|
ECGE3DS/MK
|
Diplôme d'études spécialisées en économie et gestion (Master in business administration) (marketing)
|
(5 credits)
|
Mandatory
|
|
ELEC22
|
Deuxième année du programme conduisant au grade d'ingénieur civil électricien
|
(5 credits)
| |
|
INCH22
|
Deuxième année du programme conduisant au grade d'ingénieur civil chimiste
|
(3 credits)
| |
|
INCH23
|
Troisième année du programme conduisant au grade d'ingénieur civil chimiste
|
(3 credits)
| |
|
MAP22
|
Deuxième année du programme conduisant au grade d'ingénieur civil en mathématiques appliquées
|
(3 credits)
| |
|
MAP23
|
Troisième année du programme conduisant au grade d'ingénieur civil en mathématiques appliquées
|
(3 credits)
| |
|
STAT21MS/ST
|
Première année du master en statistique, orientation générale, à finalité spécialisée (sciences et technologie)
|
(5 credits)
| |
|
STAT22MS/ST
|
Deuxième année du master en statistique, orientation générale, à finalité spécialisée (sciences et technologie)
|
(5 credits)
| |
|
STAT3DA/B
|
diplôme d'études approfondies en statistique (biostatistique et épidémiologie)
|
(5 credits)
| |
|
STAT3DA/P
|
diplôme d'études approfondies en statistique (pratique de la statistique)
|
(5 credits)
| |
|
