en savoir plus
Permet à tous ses détenteurs d'obtenir 5% de réduction sur tous les livres lors du retrait en magasin (réduction non cumulable avec les réductions de type étudiant).
Offre également un certain nombre d'avantages auprès de nos partenaires.
Avec les favoris, retrouvez dans un espace les sélections effectuées au fur et à mesure de vos navigations dans le site.
Constituez pour votre usage personnel vos listes de livres en prévisions d'achats futurs et votre sélection d'articles, dossiers, événements, vidéos ou podcasts préférés ou à découvrir plus tard...
Il suffit simplement de cliquer sur "Ajout Favori" sur chaque page qui vous intéresse pour les retrouver ensuite dans votre espace personnel.
Requiert un compte Mollat
Requiert un compte Mollat
Une présentation des techniques d'estimation des incertitudes, faisant le point sur l'ensemble des méthodes et analysant leurs avantages et faiblesses respectifs, avec des exemples variés traités en langage Python pour les comparer. ©Electre 2024
L'ouvrage : niveau C (Master - Écoles d'ingénieurs - Recherche)
Pour aider à la compréhension des techniques d'estimation des incertitudes, l'ouvrage fait un point sur l'ensemble des méthodes. Il analyse leurs avantages et faiblesses respectifs avec des exemples simples.
L'ouvrage est divisé en deux parties distinctes.
Après un historique de l'estimation des incertitudes dans un avant-propos, la première partie porte sur les méthodes basées sur la dérivée et la statistique descriptive. Sont décrits les éléments de statistique descriptive nécessaires, la méthode classique du GUM (Guide of Unercertainty in Measurements), les méthodes basées sur l'inférence bayésienne et les corrélations entre les données expérimentales.
La seconde partie développe les méthodes stochastiques. Sont décrits la propagation des incertitudes par la méthode de Monte-Carlo, l'analyse de sensibilité aux grandeurs d'entrée, la méthode de chaos polynomial et le couplage de ces méthodes avec l'inférence bayésienne. Le dernier chapitre traite de la propagation des incertitudes dans un code de calcul.
Des exemples variés sont traités en langage Python. Ils permettent d'appliquer et de comparer les méthodes. Les corrections des exercices proposés sont disponibles sur le site de l'éditeur.
Paru le : 17/03/2020
Thématique : Mathématiques 1er Cycle
Auteur(s) : Auteur : Gérard Baudin
Éditeur(s) :
Ellipses
Collection(s) : Technosup
Série(s) : Non précisé.
ISBN : 978-2-340-03595-9
EAN13 : 9782340035959
Reliure : Broché
Pages : 144
Hauteur: 26.0 cm / Largeur 18.0 cm
Épaisseur: 0.9 cm
Poids: 290 g