Probabilités, analyse des données et statistique 3e édition

ISBN9782710809807 EditeurÉditions Technip pages656 Parution2011-11-11
Acheter la version papier
@ 115,00 $
Partager Fiche produit

Quatrième de couverture

La démarche statistique n'est pas seulement une auxiliaire des sciences destinée à valider ou non des modèles préétablis, c'est aussi une méthodologie indispensable pour extraire des connaissances à partir de données et un élément essentiel pour la prise de décision. La très large diffusion d'outils informatiques peut donner l'illusion de la facilité à ceux qui n'en connaissent pas les limites, alors que la statistique est plus que jamais un mode de pensée fondamental pour maîtriser la complexité, l'aléatoire et les risques, en donnant la prudence scientifique nécessaire.
Ce manuel présente l'ensemble des connaissances utiles pour pouvoir pratiquer la statistique. Il est destiné à un vaste public (étudiants, chercheurs, praticiens de toutes disciplines) possédant le niveau d'algèbre et d'analyse d'un premier cycle universitaire scientifique ou économique. Cette édition est une révision complète, avec des ajouts, des éditions à succès de 1990 et de 2006. Elle comporte de nombreux développements sur des méthodes récentes. Les 21 chapitres sont structurés en cinq parties : outils probabilistes, analyse exploratoire, statistique inférentielle, modèles prédictifs et recueil de données. On y trouve l'essentiel de la théorie des probabilités, les différentes méthodes d'analyse exploratoire des données (analyses factorielles et classification), la statistique « classique » avec l'estimation et les tests mais aussi les méthodes basées sur la simulation, la régression linéaire et logistique ainsi que des techniques non linéaires, la théorie des sondages et la construction de plans d'expériences.

Argumentaire

CLIENTÈLE CIBLE
Le livre Probabilités, statistique et applications s'adresse d'abord aux étudiants de premier cycle en génie et en sciences appliquées, toutes spécialités confondues, car il présente la théorie généralement enseignée dans un cours sur les probabilités et la statistique. Comme il traite de tous les sujets essentiels de cette discipline, il constitue un excellent manuel de classe. En outre, les deux derniers chapitres, où la fiabilité et les principaux modèles de files d'attente sont étudiés, en font un ouvrage particulièrement intéressant pour les étudiants en informatique et en génie industriel. Enfin, il peut également servir de manuel de référence pour les étudiants qui effectuent des études supérieures en sciences et qui travaillent sur des projets de recherche exigeant des connaissances de base en probabilités et en statistique.

ORIGINALITÉ DE L'OUVRAGE
Les livres sur les probabilités et la statistique pour ingénieurs ou scientifiques utilisés dans beaucoup d'universités francophones sont écrits en anglais. De plus, ces ouvrages contiennent généralement plusieurs chapitres non essentiels, ce qui les rend inutilement coûteux pour les étudiants. Les livres rédigés en français, pour leur part, sont souvent trop théoriques. Finalement, peu nombreux sont les ouvrages qui proposent des exercices variés et originaux permettant aux étudiants de vérifier s'ils ont bien assimilé les notions abordées. Tout en présentant l'ensemble des notions requises pour la compréhension de la matière, le présent ouvrage n'insiste pas sur les détails mathématiques, mais plutôt sur les applications des résultats théoriques. Il contient près de 600 exercices, dont la plupart sont résolus. Les deux derniers chapitres, portant sur la fiabilité et les modèles de files d'attente, offrent une valeur ajoutée pour les étudiants et les praticiens de l'informatique et du génie industriel.

TRAITEMENT DU SUJET
Le premier chapitre du manuel présente les éléments de base du calcul différentiel et intégral que le lecteur devrait connaître avant d'étudier les chapitres suivants. Les chapitres 2 à 4, consacrés aux résultats de base des probabilités, abordent respectivement les probabilités élémentaires, les variables aléatoires et les vecteurs aléatoires. Les chapitres 5 et 6, qui traitent de statistique descriptive et d'estimation ainsi que de tests d'hypothèses, s'intéressent aux résultats de la statistique mathématique. Pour terminer, les chapitres 7 à 9 portent sur les applications de la théorie sous les aspects de la régression linéaire simple, de la fiabilité et des files d'attente.
AUTEUR
SAPORTA Gilbert
Ingénieur ECP Docteur ès Sciences

Fonction :
Professeur au Conservatoire National des Arts et Métiers

Domaine de publication :
Statistique

Auteur de plus de 60 communications , G. Saporta a publié et participé à la rédaction de 6 ouvrages :
- Probabilités, analyse des données et statistiques (Ed. Technip)
- Plans d'expériences. Applications à l'entreprise (Ed. Technip)
- Méthodes bayesiennes en statistique (Ed. Technip)
- Modèles statistiques pour données qualitatives (Ed. Technip)
- L'analyse des données (PUF)
- Multivariate Quality Control (Physica Verlag)

Information complémentaire :
Président de l'International Association for Statistical Computing
Vice président de l'Institut international de statistique
Page personnelle: http://cedric.cnam.fr/~saporta/
I. Outils probabilistes. 1. Modèle probabiliste. 2. Variables aléatoires. 3. Couples de variables aléatoires, conditionnement. 4. Vecteurs aléatoires. Formes quadratiques et lois associées. II. Statistique exploratoire. 5. Description unidimensionnelle de données numériques. 6. Description bidimensionnelle et mesures de liaison entre variables. 7. L'analyse en composantes principales. 8. L'analyse canonique et la comparaison de groupes de variables. 9. L'analyse des correspondances. 10. L'analyse des correspondances multiples. 11. Méthodes de classification. III. Statistique inférentielle. 12. Distributions des caractéristiques d'un échantillon. 13. L'estimation. 14. Les tests statistiques. 15. Méthodes de Monte-Carlo et de rééchantillonnage (Jack-knife, bootstrap). IV. Modèles prédictifs. 16. La régression simple. 17. La régression multiple et le modèle linéaire général. 18. Analyse discriminante et régression logistique. 19. Méthodes algorithmiques, choix de modèles et principes d'apprentissage. V. Recueil des données. 20. Sondages. 21. Plans d'expériences. Annexes. Bibliographie. Index des noms. Index.