Analyse des données : méthodes explicatives

Code UE : STA102

  • Cours
  • 6 crédits

Responsable national

Giorgio RUSSOLILLO

Responsable opérationnel

Giorgio RUSSOLILLO

Public et conditions d'accès

Avoir réussi les UE STA104 (Statistique Mathématique), MVA101 (analyse et calcul matriciel) ou des examens équivalents.

Objectifs pédagogiques

Le cours présente des méthodes pour décrire, expliquer ou prédire une variables à l'aide d'un ou plusieurs caractères quantitatifs et/ou qualitatifs. Ces méthodes, fondées sur le modèle linéaire, sont illustrées par des sorties SAS.

Compétences visées

Connaitre les bases théoriques des modèles présentés en cours, et en particulier :
- Les hypothèses des modèles
- Les méthodes de construction des estimateurs des paramètres
- Les propriétés des estimateurs
Etre capable d'interpréter les sorties d'un logiciel à fin de :
- Evaluer l'ajustement aux données et la signification statistique du modèle
- Détecter des données aberrantes et influentes
- Vérifier les hypothèses du modèle.
- Détecter des problèmes de multi colinéarité
- Choisir le meilleur modèle par la sélection des variables

Contenu

Régression linéaire simple et multiple :
  • analyses des données, ajustement des moindres carrés
  • hypothèses du modèle, estimation, qualité des modèles, prévision
  • test d'hypothèses et intervalles de confiance sur les coefficients, test de l'anova, intervalle de confiance autour de la droite, intervalle de prédiction
  • diagnostic du modèle
  • sélection de variables
Analyse de la variance: modèle à un facteur et à à deux facteurs (plan équilibré) :
  • estimation, qualité des modèles
  • test d'hypothèses et intervalles de confiance sur les coefficients, test de l'anova
  • diagnostic du modèle
Analyse de la covariance :
  • le modèle, estimation, qualité des modèles
  • test d'hypothèses et intervalles de confiance sur les coefficients, test de l'anova
  • diagnostic du modèle

Bibliographie

  • P. DAGNELIE : Statistique théorique et appliquée - tome 2 (De Boeck, Bruxelles 2011)
  • Y. DODGE : Analyse de régression appliquée (Dunod 2004)
  • N. DRAPER et H. SMITH : Applied regression analysis (Wiley 1998)
  • M. LEJEUNE : Statistique: la théorie et ses applications (Springer 2010)
  • R.C. LITTELL : SAS for Linear Models, Fourth Edition (SAS Institute Inc. 2002)
  • G.SAPORTA : Probabilités, analyse des données, statistique (Technip 2011)
  • N.H. TIMM : Univariate and Multivariate General Linear Models: Theory and Applications using SAS Software (SAS Institute Inc. 1997)
  • M.TENENHAUS : Statistique. Méthodes pour décrire, expliquer et prévoir. (Dunod, 2007)

Cette UE apparaît dans les diplômes et certificats suivants

Chargement du résultat...
Patientez
Type
Intitulé
Equipe pédagogique
Modalité(s) / Lieu(x)
Code
Equipe pédagogique Mathématique et statistique
Modalité(s) / Lieu(x)
  • Enseignée en formation présentielle et/ou partiellement à distance : Paris
  • Equipe pédagogique Informatique
    Modalité(s) / Lieu(x)
  • Enseignée en formation présentielle et/ou partiellement à distance : Paris
  • Equipe pédagogique Mathématique et statistique
    Modalité(s) / Lieu(x)
  • Enseignée en formation présentielle et/ou partiellement à distance : Paris
  • Type Intitulé Equipe pédagogique Modalité(s) / Lieu(x) Code

    Contact

    EPN06 Mathématiques et statistiques
    2 rue conté Accès 35 3 ème étage porte 19
    75003 Paris
    Sabine Glodkowski
    Voir les sites

    Voir les dates et horaires, les lieux d'enseignement et les modes d'inscription sur les sites internet des centres régionaux qui proposent cette formation

    UE

      • Paris
        • Paris
          • 2018-2019 2nd semestre : Présentiel
          • 2019-2020 2nd semestre : Présentiel
          • 2020-2021 2nd semestre : Présentiel