a:4:{s:2:"fr";s:58:"

 

 

 

 

";s:2:"en";s:4930:"

Je suis doctorante en Statistique sous la direction de Gilbert Saporta (Professeur CNAM)  dans le cadre d'un contrat CIFRE avec le Laboratoire national de métrologie et d'essais (LNE) où je suis suivie par Nicolas Fischer. Ma thèse, débutée en février 2008, s'intitule:

Approche bayésienne de l'évaluation de l'incertitude de mesure: applications aux étalonnages et comparaisons interlaboratoires

 

Dans le domaine de lÂ’évaluation des incertitudes de mesure, il existe un référentiel international : le GUM (Guide pour lÂ’expression de lÂ’incertitude de mesure). Ce guide propose une première méthode (le cumul quadratique) basée sur lÂ’écriture dÂ’un modèle : le mesurande en fonction des différentes grandeurs dÂ’entrée, puis sur la propagation des variances de ces grandeurs.

Ce guide a été tout récemment (2007) complété dÂ’un supplément proposant, comme alternative à la propagation des variances des grandeurs dÂ’entrée, la propagation des distributions de ces grandeurs à partir de simulations de Monte Carlo.

La méthode analytique exposée dans le GUM présente toutefois certaines limites notamment lorsque le modèle mathématique étudié nÂ’est plus linéaire .

De plus, dans certains cas, une information a priori sur la mesure est disponible, par exemple sous forme dÂ’historique de résultats dÂ’essais. Cette information peut être exploitée dans le cadre dÂ’une approche bayésienne.

En effet lÂ’inférence bayésienne, basée sur l'étude des distributions conditionnelles,  fournit des moyens rigoureux pour tenir compte de  l'information préalablement disponible. Bien que lÂ’estimation bayésienne soit une méthode bien connue de la communauté statistique, son utilisation est encore peu répandue dans le monde de la métrologie.

La thèse comprendra un état de lÂ’art et le doctorant sera directement impliqué dans les différentes tâches suivantes, sous la direction scientifique de lÂ’encadrement universitaire:

•     veille méthodologique sur les applications de la statistique bayésienne en métrologie.
•   développement de modèles bayésiens pour le calcul dÂ’incertitudes, comparaisons interlaboratoires, suivi des étalons de référence,Â…
•     programmation des  modèles et applications sur des cas concrets au LNE (étalons de référence, bancs dÂ’essais, données dÂ’intercomparaisons dans de  multiples domaines)
•     participation au projet européen de développement de la métrologie Eranet+
•   communications et publications scientifiques.

Mots clés: statistique bayésienne, méthodes MCMC, calcul d'incertitude, étalonnages, comparaisons interlaboratoires

Key words: bayesian statistics, MCMC algorithms, uncertainty, calibration, interlaboratory comparisons

";s:2:"ar";s:0:"";s:2:"cn";s:0:"";}