Contactez-nous
  • Statistique inférentielle
  • Statistique
  • Statistique appliquée
  • Mathématiques
  • Sciences

Modélisation statistique

Mis à jour le

Responsable(s) : M. Vincent AUDIGIER

  • Cours
Code Cnam : STA110

Envie d'en savoir plus sur cette formation ?

Afin d’obtenir les tarifs, le calendrier de la formation, en distanciel, en présentiel, le lieu de la formation et un contact, remplissez les critères suivants :

Afficher le centre adapté à mes besoins

Afin d’obtenir les tarifs, le calendrier de la formation et le lieu de la formation, remplissez les critères suivants :

  • Durée : 70 heures
  • A la carte
  • Soir & samedi
  • 9 crédits
  • Distanciel, Présentiel

Présentation

Public, conditions d'accès et prérequis

Prérequis

Avoir le niveau de l'unité d'enseignement : STA. 103 (calcul des probabilités) et STA001 (Techniques de la statistique)

Objectifs

Maîtriser les outils de la modélisation statistique (sélection de modèles, validation, interprétation) dans un contexte général (données continues, discrètes, qualitatives, mixtes) via l'utilisation de méthodes paramétriques (modèles linéaires et modèle linéaire généralisé) ou non-paramétriques.

Acquérir des connaissances ainsi qu'un savoir-faire dont l'objectif est de traiter un problème concret par une approche de modélisation (applications à des données réelles).

Mettre en œuvre cette modélisation à l'aide d'un logiciel de modélisation statistique avancé (logiciel R) et savoir interpréter les résultats obtenus.

L'avis des auditeurs

Les dernières réponses à l'enquête d'appréciation pour cet enseignement : Fiche synthétique au format PDF

Présence et réussite aux examens

Pour l'année universitaire 2023-2024 :

  • Nombre d'inscrits : 23
  • Taux de présence à l'évaluation : 57%
  • Taux de réussite parmi les présents : 100%

Compétences et débouchés

Compétences

Statisticien modélisateur

Parcours

Informations pratiques

Contact

Retrouvez cette formation en centre :

Lieux de formation

Logo école santé Cnam

Programme

Contenu

I) Méthodes paramétriques

Régression linéaire simple et multiple : modèle, moindres carrés, estimations, intervalles de confiance, tests, colinéarité, sélection de variables, validation, prédiction, interprétation. Recherche de points (aberrants, influents, atypiques et de points leviers).

Analyse de la Variance : à 1 facteur (mesures indépendantes, répétées) et à 2 facteurs (mesures indépendantes)  

Analyse de la Covariance (modèles, comparaison à la régression linéaire et à l'ANOVA à 1 facteur à mesures indépendantes, paradoxe de Lord)

Régression logistique : modèle probit et logit, estimations, tests, sélection de modèles, validation, prédiction.

Modèle linéaire généralisé (regression de Poisson, modèle polytomique)

Introduction à la modélisation Bayésienne
Introduction à l'analyse de séries temporelles


II) Méthodes non-paramétriques

Régression spline

Estimateurs par moyennes locales (estimateurs à noyau)

Régression polynomiale locale

 

L'enseignement comporte une initiation au logiciel R et une mise en oeuvre de ce logiciel dans diverses applications.

Modalités d'évaluation

L'évaluation se fera uniquement sous la forme de projets consistant en l'application des différentes méthodes de modélisation sur des données réelles. Cette évaluation sur projet sera complétée par une présentation orale.

Bibliographie

  • CAMERON, TRIVEDI . Regression analysis of count data models (Cambridge University Press)
  • HAMILTON . Time series analysis (Princeton University Press)
  • Azaïs J-M., Bardet J-M . Le modèle linéaire par l’exemple (Dunod)
  • Cornillon P., Matzner-Lober, E. . Régression linéaire : Théorie et applications (Statistiques et probabilités appliquées))
  • , Cornillon, PA, Guyader, A., Husson, F., Jégou, N., Josse, J., Kloareg, M., Matzner-Lober, E., Rouvière, L. . Statistiques avec R (PUR)
  • J.J. Daudin, S. Robin, C. Vuillet . Statistique inférentielle : idées, démarches, exemples. (PUR)
  • Prum, B. . Modèle linéaire, Comparaison de groupes et régression (Les Editions INSERM)
  • G. Saporta . Probabilités, Analyse des données et Statistiques (Technip)

Ces formations pourraient vous intéresser