Probabilités et statistique appliquée pour ingénieurs
Ce manuel d’introduction aux probabilités et à la statistique appliquée
s’adresse principalement aux étudiants en génie et en sciences physiques
et chimiques. Il constitue également un excellent ouvrage de référence
puisque ce bestseller regorge d'exemples concrets, tous de caractère [...]
[lire le résumé du livre]
Auteur : Douglas MONTGOMERY
Editeur : Lavoisier - Tec Et Doc Editions
Date parution : 10/2020CB Google/Apple Pay, Chèque, Virement
Quel est le sujet du livre "Probabilités et statistique appliquée pour ingénieurs"
Ce manuel d’introduction aux probabilités et à la statistique appliquée s’adresse principalement aux étudiants en génie et en sciences physiques et chimiques. Il constitue également un excellent ouvrage de référence puisque ce bestseller regorge d'exemples concrets, tous de caractère industriel, technique ou scientifique, pour les personnes appelées à jouer un rôle important dans la conception et le développement de nouveaux produits et systèmes ou procédés de fabrication, de même que dans l’amélioration de systèmes existants.
Sommaire et contenu du livre "Probabilités et statistique appliquée pour ingénieurs"
1 Le rôle de la statistique en ingénierie
1.1 La démarche de l’ingénierie et le raisonnement statistique
1.2 Collecte de données d’ingénierie
1.3 Modèles mécanistes et empiriques
1.4 Probabilité et modèles de probabilité
2 Probabilité
2.1 Espaces échantillonnaux et événements
2.2 Techniques de dénombrement
2.3 Probabilité : interprétations et axiomes
2.4 Unions d’événements et règles d’addition
2.5 Probabilité conditionnelle
2.6 Intersections d’événements et règles de multiplication et de la probabilité totale
2.7 Indépendance
2.8 Théorème de Bayes
2.9 Variables aléatoires
3 Variables aléatoires et distributions de probabilité discrètes
3.1 Distributions de probabilité et fonctions de masse de probabilité
3.2 Fonctions de distribution cumulatives
3.3 Moyenne et variance d’une variable aléatoire discrète
3.4 Distribution uniforme discrète
3.5 Distribution binomiale
3.6 Distribution géométrique
3.7 Distribution hypergéométrique
3.8 Distribution de Poisson
4 Variables aléatoires et distributions de probabilité continues
4.1 Distributions de probabilité et fonctions de densité de probabilité
4.2 Fonctions de distribution cumulatives
4.3 Moyenne et variance d’une variable aléatoire continue
4.4 Distribution uniforme continue
4.5 Distribution normale
4.6 Approximation des distributions binomiale et de Poisson par la distribution normale
4.7 Distribution exponentielle
4.8 Distributions d’Erlang et gamma
4.9 Distribution de Weibull
4.10 Distribution lognormale
4.11 Distribution bêta
5 Distributions de probabilité conjointes
5.1 Distributions de probabilité conjointes de deux variables aléatoires
5.2 Distributions de probabilité conditionnelles et indépendance
5.3 Covariance et corrélation
5.4 Une distribution conjointe courante : la distribution normale bivariée
5.5 Fonctions linéaires de variables aléatoires
6 Statistique descriptive
6.1 Description numérique des données
6.2 Diagrammes à tiges et à feuilles
6.3 Distributions de fréquences et histogrammes
6.4 Diagramme en boîte à moustaches
6.5 Diagramme de dispersion
6.6 Graphique de probabilité
7 Estimation ponctuelle des paramètres et distributions échantillonnales
7.1 Estimation ponctuelle
7.2 Distributions échantillonnales et théorème central limite
7.3 Concepts généraux de l’estimation ponctuelle
7.4 Méthodes d’estimation ponctuelle
8 Intervalles de confiance à partir d'un seul échantillon
8.1 Intervalle de confiance de la moyenne d’une distribution normale, variance connue
8.2 Intervalle de confiance de la moyenne d’une distribution normale, variance inconnue
8.3 Intervalle de confiance de la variance et de l’écart-type d’une distribution normale
8.4 Intervalle grand échantillon d’une proportion de population
8.5 Intervalle de prévision
9 Tests d’hypothèses à partir d'un seul échantillon
9.1 Tests d’hypothèses
9.2 Tests sur la moyenne d’une distribution normale, variance connue
9.3 Tests sur la moyenne d’une distribution normale, variance inconnue
9.4 Tests sur la variance et l’écart-type d’une distribution normale
9.5 Tests sur une proportion de population
9.6 Tableaux récapitulatifs des procédures d’inférence à partir d’un seul échantillon
9.7 Test d’ajustement
9.8 Tests à partir de tableaux de contingence
10 Inférence statistique à partir de deux échantillons
10.1 Inférence sur la différence des moyennes de deux distributions normales, variances connues
10.2 Inférence sur la différence des moyennes de deux distributions normales, variances inconnues
10.3 Test t pour échantillons appariés
10.4 Inférence sur les variances de deux distributions normales
10.5 Inférence statistique : deux proportions
10.6 Sommaire et marche à suivre pour les procédures d’inférence à partir de deux échantillons
11 Régression linéaire simple et corrélation
11.1 Modèles empiriques
11.2 Régression linéaire simple
11.3 Propriétés des estimateurs par les moindres carrés
11.4 Tests d’hypothèses de la régression linéaire simple
11.5 Intervalles de confiance
11.6 Prévision de nouvelles observations
11.7 Adéquation du modèle de régression
11.8 Corrélation
11.9 Régression après transformation de variables
12 Régression linéaire multiple
12.1 Modèle de régression linéaire multiple
12.2 Tests d’hypothèses en régression linéaire multiple
12.3 Intervalles de confiance en régression multiple
12.4 Prévision de nouvelles observations
12.5 Vérification de l’adéquation du modèle
12.6 Particularités de la modélisation par régression multiple
13 Planification et analyse d’expériences monofactorielles : analyse de la variance
13.1 Planification d’expériences en ingénierie
13.2 Expérience complètement aléatoire à un seul facteur
13.3 Le modèle à effets aléatoires
13.4 Plan d’expérience en blocs aléatoires complets
Annexe
Exercices
Réponses