Programme

Programme détaillé (PDF)

Résumés

OA (orthogonal arrays) et (t,m,s)-nets Hervé Monod (INRA)

La construction de plans d'expériences factoriels est un domaine foisonnant de la littérature statistique. Parmi les différentes approches, celle reposant sur des méthodes algébriques est l'une des plus anciennes et reste l'une des plus utilisées. Initiée dans les années 1920 pour des expériences agronomiques, on en trouve la trace aujourd'hui dans certains plans d'échantillonnage en grande dimension tels que les tableaux orthogonaux ou les (t,m,s)-nets. L'exposé expliquera les principes de construction et de randomisation des plans factoriels dits réguliers, en insistant sur le lien entre les propriétés combinatoires du plan et ses propriétés statistiques dans le cadre du modèle linéaire. Il sera illustré par plusieurs exemples adaptés à des expériences réelles ou numériques.

Applications à l'INRA Robert Faivre (INRA)

Les analyses d'incertitude et de sensibilité et de manière plus générale l'exploration de modèles nécessitent très souvent la mise en oeuvre d'une batterie de méthodes.
En me basant sur des exemples de modèles développés en agrobiosciences, je parcourrai quelques unes des méthodes les plus couramment utilisées en analyse de sensibilité et exploration de modèles (criblage, métamodélisation) en les associant aux questions auxquelles ces méthodes tentent de répondre et en montrant le lien étroit entre planification des expériences numériques et méthode d'analyse.

Analyse de sensibilité (Clémentine Prieur, Université Joseph Fourier)

Many mathematical models use a large number of poorly-known parameters as inputs. Quantifying the influence of each of these parameters is one of the aims of sensitivity analysis. Stochastical approaches have been widely developed, and particularly approaches based on functional analysis of variance, on which we will focus. In this lecture we first recall the definition of sensitivity indices, and then propose several estimation procedures. Most of the time we deal with independent scalar inputs and a scalar output. However, we suggest alternatives to deal with more complex cases. The lecture will be illustrated with the R software.