Descriptif
Tout ingénieur est amené à prendre des décisions au vu de certaines informations, dans des contextes où de nombreuses incertitudes demeurent. Il importe donc qu'un ingénieur soit formé aux techniques de gestion du hasard et de traitement de données expérimentales.
Cet enseignement a pour objectif de :
- acquérir les connaissances de base en traitement de données,
- apprendre à mener des calculs en univers incertain à l'aide des probabilités,
- savoir appliquer les statistiques à des situations classiques du métier d'ingénieur dans des fonctions de R&D, dans des fonctions d'exploitant,
- comprendre la portée de la discipline des statistiques appliquées dans la société et dans le quotidien de la vie courante.
Compétences travaillées
Bloc 1 : Concevoir pour l'industrie et les services, des produits, procédés et processus respectueux d'un avenir durable1.3 : Modéliser un produit, procédé, processus
1.6 : Valider une solution
Bloc 2 : Organiser la production dans un environnement en évolution avec une responsabilité individuelle et collective
2.4 : Acquérir et exploiter les données de production et d'exploitation
Bloc 3 : Améliorer pour l'industrie et les services, les performances d'un produit, procédé et processus pour anticiper et accompagner les changements induits par les transition
3.1 : Analyser les performances d'un produit, procédé, processus
3.2 : Exploiter des données numériques
3.3 : Modéliser un produit, procédé, processus
Bloc Donnée : Concevoir et piloter de manière optimale les systèmes énergétiques renouvelables et les systèmes d’information par le cycle de vie des données
D.1 : Collecter et structurer des informations et données numériques
Bloc Énergies : Concevoir et mettre en oeuvre des systèmes énergétiques soutenables pour les secteurs du bâtiment, de l'industrie et de l'aménagement du territoire
E.2 : Analyser et optimiser un système énergétique complexe
E.3 : Mettre en oeuvre un système énergétique complexe
E.4 : Mobiliser des informations validées
Bloc GenIndus : Concevoir et piloter des organisations et les systèmes d'information associés dans un environnement évolutif et incertain
G.1 : Modéliser et analyser un processus, système, service
G.3 : Optimiser le processus de pilotage d'une chaîne logistique et des flux organisationnels
G.4 : Collecter, structurer et exploiter des informations et données numériques
G.5 : Mobiliser des informations validées
Bloc Matériaux : Concevoir et mettre en oeuvre des solutions avancées de matériaux et procédés pour l'industrie des transports et de l'énergie
M.4 : Simuler un procédés ou une structure à l'aide d'outils numériques avancés
M.5 : Mobiliser des informations validées
Bloc Pharmagro : Concevoir et mettre en oeuvre des procédés et processus dans les secteurs agroalimentaire, pharmaceutique et cosmétique, en s'appuyant sur une culture industrielle forte
P.3 : Assurer la qualité, la sécurité et l'efficacité d'un produit, procédé, processus
P.4 : Mobiliser des informations validées
Objectifs pédagogiques
Á la fin de ce module, les élèves seront capables de :
- reconnaître et manipuler une loi de distribution de variables aléatoires,
- analyser un problème pour choisir une statistique, calculer un intervalle de confiance et appliquer un test statistique,
- estimer les paramètres et leur incertitude dans le cas d'une régression linéaire simple ou multiple,
- opérer une ANOVA,
- calculer les statistiques descriptives d'un ensemble de données
Diplôme(s) concerné(s)
UE de rattachement
- UE-IFIA1-S2-SF : Sciences fondamentales
Pour les élèves du diplômeDiplôme d'Ingénieur IMT Mines Albi
Probabilité : espace probabilisé, conditionnement et indépendance
Variables aléatoires discrètes, espérance et variance, lois de Bernoulli et de Poisson, loi faible des grands nombres
Format des notes
Numérique sur 20Pour les élèves du diplômeDiplôme d'Ingénieur IMT Mines Albi
Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)Le coefficient de l'enseignement est : 1
Programme détaillé
- Statistique descriptive (3,5 h) : 1 TAPE (3,5 h)
- VA et lois usuelles (7 h) : 2 séquences de 3,5 h
- Statistique inférentielle (10,5 h) : 3 séquences de 3,5 h
- Régression linéaire (3,5 h) : 1 TAPE (3,5 h)
- ANOVA (3,5 h) : 1 séquence de 3,5 h
- Evaluation (2 h)