La lecture en ligne est gratuite
Le téléchargement nécessite un accès à la bibliothèque YouScribe
Tout savoir sur nos offres
Télécharger Lire

UN NOUVEAU CRITERE STATISTIQUE EN FORME DE RADAR POUR LA ...

De
24 pages
UN NOUVEAU CRITERE STATISTIQUE
POUR LA MESURE DE L’UNIFORMITÉ
DES
PLANS D’EXPÉRIENCES
E
T DE LEURS
PROJECTIONS SUR LES SOUS-ESPACES.
38ièmes Journées de Statistique.
Jessica Franco
Laurent Carraro
-
O
livier Roustant
Ecole Supérieure des Mines de Saint-Etienne



Un nouveau critère statistique
Contexte –
O
bjectifs
Le radar d’uniformité
Exemples
Conclusion
2

Contexte (1/2)
Utilisation des grands codes de
calculs industriels pour modéliser
les phénomènes complexes
Problème
: trop coûteux à exploiter
directement
1 simulation numérique
=
1 expérience
3 Contexte (2/2)
Codes
déterministes
la notion de répétabilité
d
oit être
réexaminée
4

Deux objectifs, en phase d’expérimentation
Etude du code sans aucune
connaissance
Remplissage de l’espace :
«Space-Filling
D
esigns ».
(Ex : Suites de Halton)
Besoin de réduction de la dimension
Bonne répartition des points
en projection sur les sous-
espaces.
5 Suite de Halton
à 100 points en dimension 8
(dim
7~dim
8)
0.
0
0
.
2
0.
4
0
.
6
0.
8
6
0.
0
0
.
2
0.
4
0
.
6
0.
8 Bonne répartition des points en
projection
Si le code est fonction
de X
+3X
ou 3X
+X
1
2
1
2
3 points au li
eu de 9
X
2
Perte d’information
X
1
7

Objectif
En grande dimension : on veut
comparer
le remplissage de l’espace
l’uniformité des points en projection sur
tous les sous-espaces
Création d’un outil
quantitatif
permettant de décider si les points
sont
répartis uniformément sur
toutes
les
projections
8



Un ...
Voir plus Voir moins
UN NOUVEAU CRITERE STATISTIQUE
POUR LA MESURE DE L’UNIFORMITÉ DES
PLANS D’EXPÉRIENCES ET DE LEURS
PROJECTIONS SUR LES SOUS-ESPACES.
38ièmes Journées de Statistique.
Jessica Franco
Laurent Carraro - Olivier Roustant
Ecole Supérieure des Mines de Saint-Etienne
2
Un nouveau critère statistique
{
Contexte – Objectifs
{
Le radar d’uniformité
{
Exemples
{
Conclusion
3
Contexte (1/2)
{
Utilisation des grands codes de
calculs industriels pour modéliser
les phénomènes complexes
{
Problème
: trop coûteux à exploiter
directement
1 simulation numérique
=
1 expérience
4
Contexte (2/2)
Codes
déterministes
la notion de répétabilité doit être
réexaminée
5
Deux objectifs, en phase d’expérimentation
{
Etude du code sans aucune
connaissance
Remplissage de l’espace :
«Space-Filling Designs ».
(Ex : Suites de Halton)
{
Besoin de réduction de la dimension
Bonne répartition des points
en projection sur les sous-
espaces.
6
Suite de Halton à 100 points en dimension 8
(dim 7~dim 8)
0.0
0.2
0.4
0.6
0.8
0.0
0.2
0.4
0.6
0.8
7
Bonne répartition des points en
projection
X
1
X
2
Si le code est fonction
de X
1
+3X
2
ou 3X
1
+X
2
3 points au lieu de 9
Perte d’information
8
Objectif
En grande dimension : on veut
comparer
{
le remplissage de l’espace
{
l’uniformité des points en projection sur
tous les sous-espaces
Création
d’un
outil
quantitatif
permettant de décider si les points sont
répartis uniformément sur
toutes
les
projections
9
Un nouveau critère statistique
{
Contexte – Objectifs
{
Le radar d’uniformité
{
Exemples
{
Conclusion
10
Radar d’uniformité
Dans le cas uniforme
Suite de Halton à 100 points
En dim 8 (dim 7 ~ dim 8)
Origine : Détection des plans indésirables
par les projections en dimension 1
θ
= 135°
θ
-1.0
-0.5
0.0
0.5
1.0
-1.0
-0.5
0.0
0.5
1.0
-1.0
-0.5
0.0
0.5
1.0
-1.0
-0.5
0.0
0.5
1.0
11
Loi des projetés non uniforme
0
β
α
M
-M
-
α
M = |cos
θ
| + |sin
θ
|
α
= | |cos
θ
|-|sin
θ
| |
β
=
-1.0
-0.5
0.0
0.5
1.0
-1.0
-0.5
0.0
0.5
1.0
α
+
M
1
Loi théorique
θ
X.cos
θ
+ Y.sin
θ
avec X,Y indépendantes
et de loi U([-1,1])
Un pour Un
Permettre à tous d'accéder à la lecture
Pour chaque accès à la bibliothèque, YouScribe donne un accès à une personne dans le besoin