Méthodes d'estimation

ENG-267

This file is part of the content downloaded from Méthodes d'estimation.
Course summary


bienvenue au cours Méthodes d'estimation

D'abord on apprend à livrer non seulement un résultat, mais aussi une estimation de sa précision. On apprend aussi à gérer les liens entre des résultats issus en partie des mêmes mesures. Mieux encore: on apprend à concevoir un dispositif de mesure pour obtenir des résultats conformes aux attentes. Ni plus, ni moins. En d'autres mots: on apprend à mesurer sans gaspillage, ni lacune.

Cet enseignement de mathématiques appliquées, fondé sur les bases de statistique, d'analyse et d'algèbre linéaire, est vraiment destiné à des ingénieur-e-s. Pour traiter des cas intéressants de façon efficace, de nombreux exercices font appel à la programmation. Afin de construire sur les acquis de 1e année, le langage utilisé est Python.

gain théorique + applications variées + progrès en programmation = le bonheur (ou presque :-)


Semaine 1 : Eléments de statistique

Préparation pour le jeudi

  • lire chapitre 1 dans le polycopié


Semaine 2 : Observations corrélées

Préparation 

Mardi: 

  • finalisé exercices 1 et 2 (corrections disponibles dans semaine 1) 
  • lire dans le polycopié  2.1 (introduction), 2.2 (linéarisation) et 2.3 (Propagation d'erreur vrais) 

Jeudi: 

  • lire dans le polycopié 2.4 (propagation de variance)


Semaine 3 : Linéarisation

Préparation 

Mardi: 

  • terminer la série d'exercices 3 (corrections disponibles fin de semaine 2) 
  • compléter 3em column dans le tableau (propagation de variance)

Jeudi: 

  • lire dans le polycopié 2.5 (Poids et coffacteurs) 


Semaine 4 : Poids et cofacteurs + Révision


8 octobre : Contrôle continu – correction autonome


17 octobre : Introduction à la compensation

Préparation - Jeudi

  • lire la section 2.6.2 Gaz parfait


Semaine 6 : Compensation conditionnelle – modèles et solution

Préparation 

Mardi: 

  •  lire 3 pages de Chapitre 3  (3.1 + 3.2) 

Semaine 7 : Analyse des résultats

Préparation 

Mardi: 

  • lire 3 pages Sec. 3.3 (Calcul des cofacteurs) et Sec. 3.4 (Ecart-type a posteriori)

Jeudi: 

  • lire 1 page Sec. 3.5 (Quotient d'erreur moyenne)


Semaine 8 : Exemples + Révision


12 novembre : Contrôle continu – 20% de note


14 novembre : Préanalyse

Préparation 

  • lisez l'énoncé d'exercice 9 et préparez vos questions 

Programme 

  • 08h15- 09h Ex. 9: motivation, réponse aux questions et explications supplémentaires au tableau
  • 09h15-10h  Ex. 9: Compréhension du code, analyse et recherche des réponses
  • 10h15-11h Compensation paramétrique - théorie résumée  



Semaine 10 : Compensation paramétrique – modèle fonctionnel

Préparation 

Mardi: 

  • lire Sec. 4.1 et 4.2 Introduction (1 p) + Dérivation des formules (2 p)

Jeudi: 

  • lire Sec. 4.3 Itération et convergence (1 p) 



Semaine 11 : Analyse des résultats

Préparation 

Mardi: 

  • lire Sec. 4.5 et 4.6  Ecart-type a posteriori et analyse de résultats (2 p.)

Jeudi: 

  • lire Sec. 4.7 Partition des paramètres (2 p.)



Semaine 12 : Exemples + Révision

Préparation 

Mardi: 

  • lire Chapitre 5 (p. 107-118) - fiabilité (transparents déjà dans la semaine 11)

Jeudi: 

  • préparé des questions pour la session de révision 


10 décembre : Contrôle continu – correction autonome


12 décembre : Optimisation


Semaine 14 : Conditions et paramètres


Examen et note finale