Sortie d'OpenTURNS 1.0

Posté par  . Édité par Benoît Sibaud et baud123. Modéré par patrick_g. Licence CC By‑SA.
Étiquettes :
21
19
avr.
2012
Science

OpenTURNS est une bibliothèque C++ libre dédiée aux statistiques et à la fiabilité, utilisable en langage Python et distribuée dans Debian.

Avec la version 1.0, elle propose la modélisation des processus stochastiques, et une meilleure compatibilité avec Python et le module Numpy.

Une petite démo en python pour voir ?

Avec ces quelques lignes je peux réaliser un lissage à noyaux sur un échantillon, réutiliser la distribution obtenue pour simuler une variable aléatoire X, que je donne à manger à une fonction réalisant un couplage pour obtenir une autre variable aléatoire Y, pour enfin évaluer la probabilité de défaillance P(Y>0.1) par un simple MonteCarlo.

from openturns import *
data = NumericalSample.ImportFromCSVFile("meteo.csv")
distribution = KernelSmoothing(Epanechnikov()).build(data)
X = RandomVector(distribution)
model = NumericalMathFunction("ageing")
Y = RandomVector(model, X)
algorithm = MonteCarlo(Event(Y, Greater(), 0.1))
algorithm.setMaximumOuterSampling(int(1e6))
algorithm.run()
print "P(Y>0.1)=", algorithm.getResult().getEventProbability()

Aller plus loin

  • # Explications

    Posté par  . Évalué à 9.

    Merci pour la dépêche.

    Ceci dit on est sur linuxfr, pas mathématique.fr ! Donc il me semble que l'on pouvait au minimum mettre des liens vers Wikipedia (ou autre) pour les termes genre lissage à noyaux, et pourquoi pas donner une signification concise.

    Par exemple lissage par noyaux c'est Estimation par noyau ?

    Si l'auteur pouvait nous dire ce que son exemple résout comme problème ce serait bienvenu.

    Aussi les liens 2 et 3 me renvoient sur un forbidden.

    • [^] # Re: Explications

      Posté par  . Évalué à 3. Dernière modification le 19 avril 2012 à 19:40.

      En fait il manque le lien vers la documentation qui est extrêmement bien fichue (mais qui manque de bibliographie). Par exemple, en 3.3.2 on trouve la définition du kernel smoothing.

  • # rien à voir ou presque

    Posté par  (site web personnel) . Évalué à 2.

    Une petite question qui a un rapport lointain avec la news.

    Je cherche à calculer l'encadrement de valeur de a+b, a*b, a-b, a/b dans le cas où a et b sont des valeurs physiques que l'on connait avec une précision fixe ou relative, cela définit donc une fonction de probabilité en forme de porte. Avec a+b, cela donne une probabilité 2x plus large mais en forme de pyramide (avec une pente en "x", en ligne droite). Est-ce que la forme de la probabilité est la même pour les autres opérations ? Est-ce que si on continue l'enchainement des opérations on a la pente qui passe en x² puis x4,… etc ?

    Le but serait d'avoir une idée de la précision d'un calcul "à 99%" par exemple, car si on fait simplement du calcul de range, on atteint vite + ou - l'infini (avec les boucles).

    "La première sécurité est la liberté"

Suivre le flux des commentaires

Note : les commentaires appartiennent à celles et ceux qui les ont postés. Nous n’en sommes pas responsables.