les fondements de l'inférence bayésienne, en insistant sur les spécificités de la modélisation a priori... sur les spécificités de la modélisation a priori et de la construction des tests. Puis, nous mettons en œuvre... ), ou celui de la pharmacocinétique où les dosages à tester doivent être déterminés a priori au vu des connaissances préalables... de l'a priori et le calcul des procédures bayésiennes, peuvent être surmontés en suivant des règles simples...
Les articles de référence permettent d'initier une étude bibliographique, rafraîchir ses connaissances fondamentales, se documenter en début de projet ou valider ses intuitions en cours d'étude.
de la probabilité a priori de la situation. On distinguera quatre cas selon les informations disponibles... . Premier cas : chaque décision engendre des coûts connus, et les probabilités a priori de chaque hypothèse... correcte. Les probabilités a priori de chaque hypothèse sont connues. Dans ce cas, l’expression du coût... cas : les coûts de chaque décision sont connus dans chaque situation, mais les probabilités a priori...
Les articles de référence permettent d'initier une étude bibliographique, rafraîchir ses connaissances fondamentales, se documenter en début de projet ou valider ses intuitions en cours d'étude.
une information a priori élaborée au travers de modèles probabilistes. Nous nous proposons d’indiquer brièvement... de Rayleigh, il est indispensable de pouvoir prendre en compte ce genre d’information a priori... , en choisissant une paramétrisation parcimonieuse de l’objet mieux adaptée aux propriétés a priori de celui... entre une fidélité aux données mesurées et une fidélité à une information a priori TITTERINGTON (D.M.) - Common...
Les articles de référence permettent d'initier une étude bibliographique, rafraîchir ses connaissances fondamentales, se documenter en début de projet ou valider ses intuitions en cours d'étude.
L’adoption du management de projet au-delà des domaines classiques du pétrole, de la construction (bâtiment, nucléaire, etc.), de la défense ou de l’aéronautique, a fait que chacun devient chef de projet avec l’obligation d’équilibrer des exigences concurrentes ou contradictoires, de convaincre un réseau d’acteurs et de décideurs changeants, de mobiliser vers le changement positif espéré (cf. « Utiliser des cartes heuristiques en management de projet »).
Par ailleurs, le « management des parties prenantes » est mis en exergue par la récente norme ISO 21500:2012. Le Project Management Institute a aussitôt emboîté le pas (cf. 5e édition du PMBoK®). Bien que nous préférions le terme « d’acteurs » qui prend davantage en compte la capacité décisionnaire de l’individu ou du groupe (cf. glossaire), nous adopterons ici le même vocable.
La carte heuristique rend accessible au plus grand nombre les fonctionnalités d’outils historiquement assez onéreux qui permettent d’identifier les parties prenantes et d’en gérer l’implication.
Cette fiche pratique donne des repères pour construire le réseau des acteurs d’un projet, en particulier lors de son montage, avec la carte heuristique. En partant d’un exemple, elle montre toute l’importance de l’identification des liens et des corrélations entre acteurs pour la maîtrise de la communication et le « marketing » du projet.
Gestion et pilotage du projet : les fiches pour évaluer, planifier, communiquer, capitaliser
Bien souvent négligée, l’erreur dans la spécification d’une fonction de mesure (nommée souvent « modèle ») peut avoir un effet significatif sur les résultats d’une méthode de mesure. La modélisation, étape clef de l’étalonnage, ne se limite pas à l’estimation ponctuelle des paramètres de la fonction de mesure choisie (coefficients du modèle). Elle doit aussi évaluer les incertitudes sur les paramètres de cette fonction afin d’estimer la part d’incertitude qui lui est due dans l’expression d’un résultat de mesure. Cette incertitude est qualifiée par abus « d’incertitude de modélisation ». Cette fiche aborde les mécanismes à l’œuvre lorsque l’on réalise une régression linéaire et vous amène à réfléchir quant au choix de votre modèle.
Les fiches pratiques répondent à des besoins opérationnels et accompagnent le professionnel en le guidant étape par étape dans la réalisation d'une action concrète.
Vous disposez d’un élément à mesurer/analyser : cet élément peut être une cale étalon, une solution étalon, un matériau de référence, une source étalon d’un radionucléide… ou un échantillon inconnu (prélevé au sein d’un lot, d’une série, d’une production…).
Vous vous intéressez à une propriété mesurable de cet élément. Cette propriété d’intérêt pourrait être « définie à un niveau de détail suffisant pour être raisonnablement représentée par une valeur vraie par essence unique » (guide ISO/CEI 98-4 : 2013).
Avant de réaliser la mesure de cette propriété d’intérêt, vous avez déjà une connaissance « a priori » de la valeur de mesure attendue, soit par des mesures antérieures de ce même mesurande (un étalon mesuré périodiquement…), soit par des mesures antérieures d’éléments similaires (lots antérieurs réalisés dans les mêmes conditions de production avec un processus sous contrôle…), soit par des résultats de codes de calculs ou de simulation numérique…
Cette fiche présente simplement comment l’approche bayésienne permet de prendre en compte cette connaissance « a priori » lors de l’estimation de la valeur vraie du mesurande et de l’incertitude associée à cette estimation. Elle montre également l’intérêt de la prise en compte de ces informations « a priori » et les limites de cet exercice.
Les fiches pratiques répondent à des besoins opérationnels et accompagnent le professionnel en le guidant étape par étape dans la réalisation d'une action concrète.
TECHNIQUES DE L'INGENIEUR
L'EXPERTISE TECHNIQUE ET SCIENTIFIQUE
DE RÉFÉRENCE
SUIVEZ-NOUS
