FERRAFIAT Nicolas Le logiciel d’estimation statistique en fiabilité

Slides:



Advertisements
Présentations similaires
Jean Testa et Pascal Staccini,
Advertisements

L’échantillonnage & Ses Fluctuations
Indicateurs de Suivi, Risques & Mesure d’Associations
STATISTIQUE INFERENTIELLE L ’ESTIMATION
Connecteurs entre socle et briques applicatives Journées rencontres du CSIESR 31 janvier et 1 er février 2005 Yohan Colmant Université de Valenciennes.
METHODOLOGIE DE CO-DÉVELOPPEMENT POUR LES PME
Apprentissages numériques de l’école au collège
Présentation des programmes de terminale STG Juin 2006.
Jean-Pierre GIRAUDIN & Agnès FRONT
TESTS RELATIFS AUX CARACTERES QUANTITATIFS
Promotion de la santé en faveur des élèves
Inférence statistique
Les TESTS STATISTIQUES
Régression ou corrélation
Mesures et évaluations de compétences
Les TESTS STATISTIQUES
Scoring Séance II.
Échantillonnage-Estimation
PROGRAMME : BTS CG.
Un modèle pour ladaptation dynamique des programmes parallèles Jérémy Buisson RenPar 2005 vendredi 8 avril 2005.
11/02/20051 Internet Intranet Le portail UNSS. 11/02/20052 Qui peut accéder à Intranet ? Les services UNSS Les coordonnateurs de district Les AS.
SECTION DE TECHNICIEN SUPERIEUR
L’action de promotion-animation
Régression -corrélation
Licence Sciences Technologie Santé
IRISA18 novembre ACI Sécurité DADDi Dependable Anomaly Detection with Diagnosis IRISA.
Programmes du cycle terminal
Programme de sixième Présentation du document d’accompagnement
Jonathan Goldwasser 13 avril 2005 Université Libre de Bruxelles
Partie 5 Les échelles de mesure.
Antoine Isaac, Bruno Bachimont, Philippe Laublet – IC 2005
Jacqueline Vacherand-Revel
TRAUMATISMES PELVIENS GRAVES
Vers un cadre unificateur pour l'enseignement des outils et méthodes de gestion de l'information numérique Yves MARCOUX GRDS - EBSI Université de Montréal.
Spécification et Vérification de Modèles de Procédés de Développement
Nombre de sujets nécessaires en recherche clinique
Groupe 1: Classes de même intervalle
Partie 3 La psychophysique.
L’observation directe du comportement
DEA Perception et Traitement de l’Information
DEST J-P Hubert, Séminaire GRT 19 / 12 /20051/ 36 La consolidation des bases de données : application aux enquêtes sur la mobilité Séminaire du GRT, Namur,
Corrélation et régression linéaire simple
Méthodes de prévision (STT-3220)
Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :47 1 Concepts fondamentaux: statistiques et distributions.
Modélisation spatiale multiscalaire de phénomènes sociaux
Mise en oeuvre des MMCs L'utilisation des MMCs en reconnaissance des formes s'effectue en trois étapes : définition de la topologie de la chaîne de Markov,
STT-3220 Méthodes de prévision
La régression multiple
Échantillonnage (STT-2000) Section 3 Utilisation de variables auxiliaires. Version: 8 septembre 2003.
Régression linéaire (STT-2400)
Soutenance de stage 16 Mai au 5 Août 2011
Soutenance de stage 16 Mai au 5 Août 2011
Equipe LPMFSéminaire de productique 23 février Ingénierie collaborative en classe de terminale STI GMa Application à la potence de VTT amortie Lycée.
ESTIMATION 1. Principe 2. Estimateur 3. Distribution d’échantillonnage
LA REGRESSION LINEAIRE
STATISTIQUES DESCRIPTIVES
STATISTIQUES – PROBABILITÉS
Probabilités et Statistiques Année 2010/2011
TNS et Analyse Spectrale
Sujets spéciaux en informatique I
Concepts fondamentaux: statistiques et distributions
Méthode des moindres carrés (1)
20/06/2015propagation de signatures lexicales dans le graphe du Web 1 Propagation de signatures lexicales dans le graphe du Web M. Bouklit M. Lafourcade.
Evaluation des performances des tests diagnostiques en absence de Gold Standard Christophe Combescure Laboratoire de Biostatistique, IURC.
Le modèle de régression linéaire Claude Marois © 2010.
LOI NORMALE LOI STUDENT ECHANTILLONS ET TESTS DE MOYENNE
Probabilités et statistique MQT-1102
MENU 1 Modèles de choix.
ECHANTILLONAGE ET ESTIMATION
Transcription de la présentation:

FERRAFIAT Nicolas Le logiciel d’estimation statistique en fiabilité Licence 3 GIS 2004/2005 FIABILITIS Le logiciel d’estimation statistique en fiabilité FERNANDEZ Violaine FERRAFIAT Nicolas PONCET Antoine Tuteur : M. GOUNO Fiabilitis_2005

Introduction Le projet 2005 : Licence 3 GIS 2004/2005 Introduction Le projet 2005 : Produire un outil fiable et efficace Mise en ligne en 2005 Collaboration entre un groupe d’étudiants en informatique et un groupe d’étudiants en statistique Fiabilitis_2005

Fiabilitis I- La fiabilité II- Les objectifs en 2005 FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Fiabilitis I- La fiabilité a) Introduction à la fiabilité b) Présentation de Fiabilitis II- Les objectifs en 2005 a) Validation des résultats b) Ajout de la loi log-normale c) Création d’une aide statistique Fiabilitis_2005

Introduction à la fiabilité Licence 3 GIS 2004/2005 Introduction à la fiabilité I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Licence 3 GIS 2004/2005 Généralités Variable aléatoire continue X de type « durée », donc positive Général : X = temps qui s’écoule avant qu’un événement se réalise En fiabilité : X = « durée de bon fonctionnement » Modèle de durée : La loi de X I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Durée de vie Densité de proba de X : D’où : Et : Licence 3 GIS 2004/2005 Durée de vie Densité de proba de X : D’où : Et : MTTF = durée de vie moyenne ou durée moyenne de bon fonctionnement I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Fiabilité et taux de défaillance Licence 3 GIS 2004/2005 Fiabilité et taux de défaillance Fonction fiabilité : Taux de défaillance : NB : I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Précision sur le taux de défaillance Licence 3 GIS 2004/2005 Précision sur le taux de défaillance Probabilité instantanée de défaillance avec le temps : A : mortalité infantile (jeunesse, rodage) B : durée de vie utile (maturité) C : vieillissement ou usure Fiabilitis_2005

Modèles de durée Exponentielle : modélise les périodes de maturité FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Modèles de durée Exponentielle : modélise les périodes de maturité Weibull et log-normale : spécifie la jeunesse et le vieillissement en plus de la maturité Autres : loi gamma, mélange de loi exponentielles… I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Nature des données : censure FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Nature des données : censure Censure à droite, à gauche ou à droite et à gauche : C : fin de l’observation L : début de l’observation temps T(début) : début des tests T(fin) : fin des tests Censure à droite : Type 1 : arrêt des observations en t = C Type 2 : arrêt des observation quand k défaillances sont observés Fiabilitis_2005

Nature des données : intervalle d’observation FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Nature des données : intervalle d’observation Données groupées : si les valeurs de la variable d’intérêt appartiennent à un intervalle d’observation : On prend comme valeur : Nb : on revient à des données continues et toutes les observations du même intervalle ont la même valeur I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Adéquation du modèle de durée FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Adéquation du modèle de durée Ajustement graphique : Pertinence du choix du modèle Estimation des paramètres peu précise Analyses paramétriques : Approche fréquentielle : estimation par maximum de vraisemblance (MLE) Approche Bayésienne : tient compte du passé I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Présentation de Fiabilitis Licence 3 GIS 2004/2005 Présentation de Fiabilitis I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Généralités Fiabilitis : À qui s’adresse le logiciel ? Licence 3 GIS 2004/2005 Généralités Fiabilitis : Outil de calculs statistiques relatif à la fiabilité À qui s’adresse le logiciel ? Alcatel, Thomson, Thalès, Schlumberg… I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Les types de données (1) La censure La nature des données Sans censure Licence 3 GIS 2004/2005 Les types de données (1) La censure Sans censure Censure type 1 Censure type 2 La nature des données Les données complètes Les données groupées I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Licence 3 GIS 2004/2005 Les types de données (2) Fiabilitis_2005

Saisie des données Licence 3 GIS 2004/2005 I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Les modèles de durée proposées Licence 3 GIS 2004/2005 Les modèles de durée proposées Version 2004: Loi Exponentielle Loi de Weibull Version 2005: Loi Log-normale I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Point de vue statistique Licence 3 GIS 2004/2005 Point de vue statistique Pour chaque modèle de durée (loi), Fiabilitis propose : Une estimation graphique Une estimation MLE Une estimation bayésienne I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Estimation graphique Licence 3 GIS 2004/2005 I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Estimation MLE et Bayésienne Licence 3 GIS 2004/2005 Estimation MLE et Bayésienne I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Estimations MLE et Bayésiennes sont plus précises que l’estimation graphique Fiabilitis_2005

Fiabilitis I- La fiabilité II- Les objectifs en 2005 Licence 3 GIS 2004/2005 Fiabilitis I- La fiabilité a) Introduction à la fiabilité b) Présentation de Fiabilitis II- Les objectifs en 2005 a) Validation des résultats b) Ajout de la loi log-normale c) Création d’une aide statistique Fiabilitis_2005

Validation des résultats FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Validation des résultats I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Général But : Validation : à l’aide d’Excel, Scilab et R FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Général But : Mise en ligne du logiciel Comprendre les calculs de Fiabilitis Validation : à l’aide d’Excel, Scilab et R I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Principe des vérifications FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Principe des vérifications Estimation des paramètres des lois supposées sur un échantillon de durées de vie Types d’estimations à vérifier : Estimation graphique Estimation du maximum de vraisemblance Estimation bayésienne I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Estimation graphique (1) FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Estimation graphique (1) Exemple d’estimation du paramètre lambda de la loi exponentielle : Tracé des points [xi ; log (1-1/F(xi))] Tracé de la droite des moindres carrés Même principe pour la loi de Weibull, et ce pour chaque type de données et chaque censure I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique f Fiabilitis_2005

Estimation graphique (2) FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Estimation graphique (2) On cherche la droite d’équation de type Y=a.X : I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique f Fiabilitis_2005

Estimation MLE (1) Principe de vraisemblance : FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Estimation MLE (1) Principe de vraisemblance : Toute l’information sur le(s) paramètre(s) tirée de x (vecteur échantillon) est contenue dans la vraisemblance. Fonction de vraisemblance : Maximiser la quantité : I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Estimation MLE (2) Résolution des équations : FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Estimation MLE (2) Résolution des équations : On obtient l’estimateur maximum de vraisemblance (emv) L’emv converge presque sûrement vers le(s) paramètre(s) Création d’un algorithme itératif afin d’obtenir les paramètres I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Estimation bayésienne FERRAFIAT Nicolas Licence 3 GIS 2004/2005 Estimation bayésienne Connaissance à priori : On considère que le(s) paramètre(s) suit(vent) une loi à priori On rectifie cet à priori à l’aide des observations effectuées Distribution à posteriori (formule de Bayes) : I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Implémentation de la loi Log-normale Licence 3 GIS 2004/2005 Implémentation de la loi Log-normale I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Licence 3 GIS 2004/2005 Généralités Elle s’ajoute aux deux modèles déjà développés et comprend : Estimation graphique Estimation MLE I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Lien avec la loi normale Licence 3 GIS 2004/2005 Lien avec la loi normale Si X~LN(μ,σ²), alors log(X)~N(μ,σ²) Avec X=(x1,x2,…..xn) I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique On considère les logarithmes des xi et on obtient une nouvelle variable Y tel que : Y~N(μ,σ²) Fiabilitis_2005

Estimation graphique On a alors P(Y≤y) = P( U ≤ (x-μ) / σ ) Licence 3 GIS 2004/2005 Estimation graphique On a alors P(Y≤y) = P( U ≤ (x-μ) / σ ) où U~N(0,1) On cherche alors les quantiles théoriques ui de Fn(x). Si l’hypothèse d’une loi normale est exacte alors les points (yi, ui) vérifient : yi = σ*ui + μ μ et σ sont estimés par la méthode des moindres carrées I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Estimation MLE Nécessite un algorithme itératif : Licence 3 GIS 2004/2005 Estimation MLE Nécessite un algorithme itératif : L’algorithme initialise les paramètres de la loi par la moyenne et l’écart-type observés L’algorithme calcule les coefficients de la matrice d’information de Fisher Rectifie la valeur des paramètres à chaque itération I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Aide statistique Logiciel utilisé par des techniciens professionnels Licence 3 GIS 2004/2005 Aide statistique I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Logiciel utilisé par des techniciens professionnels Concurrence avec les logiciels payant Fiabilitis_2005

Contenu de l’aide Rédaction en anglais : Licence 3 GIS 2004/2005 Contenu de l’aide Rédaction en anglais : Rester cohérent (logiciel en anglais) À la portée d’un maximum de personne Notions générales en fiabilité Présentation rapide des modèles de durée utilisés par Fiabilitis Intégralité des formules utilisées pour chaque méthode de calcul I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Présentation de l’aide Licence 3 GIS 2004/2005 Présentation de l’aide Fichier de type « .pdf » Téléchargeable sur le site de Fiabilitis Format universel Facilement imprimable Utilisation de Latex Bonne stabilité (formules) Mise en page typique Liens et signets dans le « .pdf » I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Structure de l’aide Beaucoup de répétions de formules (ex…) Licence 3 GIS 2004/2005 Structure de l’aide Beaucoup de répétions de formules (ex…) Types de censure Nature des données (continues/groupées) Création d’une partie généralité Type de censure dépend de TTT Explication données groupées (milieu de l’intervalle) I- La fiabilité Introduction à la fiabilité Présentation de Fiabilitis II- Les objectifs en 2005 Validation des résultats Ajout de la loi log-normale Création d’une aide statistique Fiabilitis_2005

Les difficultés rencontrées FERRAFIAT Nicolas Licence 3 GIS 2004/2005 FERNANDEZ Violaine FERRAFIAT Nicolas PONCET Antoine Les difficultés rencontrées Temps d’adaptation : long et difficile Objectif non abouti : une vérification non effectuée Fiabilitis_2005

Bilan Connaissances en statistique Utilisation du logiciel Latex FERRAFIAT Nicolas Licence 3 GIS 2004/2005 FERNANDEZ Violaine FERRAFIAT Nicolas PONCET Antoine Bilan Connaissances en statistique Domaine : la fiabilité Méthode : bayésienne Utilisation du logiciel Latex Travail en groupe Participation à l’élaboration d’un logiciel Fiabilitis_2005

MERCI DE VOTRE ATTENTION !! Licence 3 GIS 2004/2005 MERCI DE VOTRE ATTENTION !! Fiabilitis_2005