Résumé:
La diversité des plans d’expériences proposés dans la littérature vient du fait qu’il
n’existe pas un plan parfait où tous les critères d’optimalité sont vérifiés en même temps.
Chaque plan présente des avantages pour un certain critère d’optimalité et un inconvénient
pour un autre. Il s’agit donc de trouver le meilleur compromis pour les besoins de chaque
étude. Dès fois, pour générer de tels plans nous pouvons utiliser les techniques de
simulation par Chaine de Markov (MCMC), et plus précisément l'algorithme de
Métropolis- Hasting
Dans ce mémoire nous étudions l’impact, d’utiliser l’approche standard de
l’algorithme de Métropolis- Hasting et son approche à retard rejeté sur la génération des
plans d’expériences numérique selon le modèle stochastique ponctuel de Strauss Marqué.
Enfin, nous présentons une application en Matlab que nous avons réalisé afin de pouvoir
comparer ces deux approches.
Mots clés : Plan d’expériences numérique, Monte Carlo par chaine de Markov (MCMC),
Métropolis-Hasting, processus ponctuels marqués.
