Descriptif
Ce cours fait suite au cours STA101 dans lequel les principes de base de la statistique inférentielle ont été étudiés: estimateur, tests, intervalle de confiance dans les cas classiques d'inférence paramétrique.
Le cours STA201 apporte des compléments de la théorie de l'estimation (recherche d'estimateurs optimaux, estimation par maximum de vraisemblance, tests de Wald et du rapport de vraisemblance, ..), illustre le cadre de la modélisation statistique et détaille le cas du modèle linéaire.
L'enseignement comporte une part de travaux dirigés sur ordinateurs qui permettent de transformer le savoir théorique en une pratique de la modélisation de données réelles et de l'estimation de modèles avec un logiciel (logiciel R).
Bibliographie:
Objectifs pédagogiques
- définir une modélisation adaptée à un jeu de données réelles;
- estimer un modèle statistique (linéaire) avec un logiciel (R) et interpréter les résultats obtenus;
- utiliser un modèle à des fins explicatives ou prédictives;
- prendre en compte le risque de toute décision statistique.
- Cours magistral : 6
- Travaux dirigés en salle info : 11
- Petite classe : 4
effectifs minimal / maximal:
10/90Diplôme(s) concerné(s)
- Master 1 Applied Mathematics ans statistics - Orsay
- Master 1 Parisien de Recherche Opérationnelle
- Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées
- Master 1 Mathématiques Appliquées
Parcours de rattachement
Pour les étudiants du diplôme Master 1 Applied Mathematics ans statistics - Orsay
MA101
Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées
Cours MA101 (1ère année ENSTA) ou équivalent
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Master 1 Parisien de Recherche Opérationnelle
Le rattrapage est autorisé (Note de rattrapage conservée)- le rattrapage est obligatoire si :
- Note initiale < 7
- le rattrapage peut être demandé par l'étudiant si :
- 7 ≤ note initiale < 10
- Crédits ECTS acquis : 2.5 ECTS
Le coefficient de l'UE est : 1
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées
Vos modalités d'acquisition :
Le note de TP est celle du compte rendu d'un miniprojet
L'examen est écrit. Il pourra comporter des questions théoriques et des questions pratiques d'interprétation de résultats. Le seul document autorisé est une feuille de notes personnelles manuscrites
- le rattrapage est obligatoire si :
- Note initiale < 6
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 10
- Crédits ECTS acquis : 2 ECTS
- Scientifique acquis : 2
Le coefficient de l'UE est : 1
La note obtenue rentre dans le calcul de votre GPA.
L'UE est évaluée par les étudiants.
Pour les étudiants du diplôme Master 1 Mathématiques Appliquées
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 4 ECTS
Le coefficient de l'UE est : 1
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Master 1 Applied Mathematics ans statistics - Orsay
Vos modalités d'acquisition :
Session 1. Moyenne pondérée d'une note de TP (1/3) et d'une note d'examen (2/3).
Le note de TP est celle du compte rendu d'un miniprojet
L'examen est écrit. Il pourra comporter des questions théoriques et des questions pratiques d'interprétation de résultats. Le seul document autorisé est une feuille de notes personnelles manuscrites
Session 2. Examen écrit ou oral
Le rattrapage est autorisé (Note de rattrapage conservée)- le rattrapage est obligatoire si :
- Note initiale < 7
- le rattrapage peut être demandé par l'étudiant si :
- 7 ≤ note initiale < 10
- Crédits ECTS acquis : 2 ECTS
- Scientifique acquis : 2
Le coefficient de l'UE est : 1
La note obtenue rentre dans le calcul de votre GPA.
L'UE est évaluée par les étudiants.
Programme détaillé
1. CM: Démarche statistique, modèle statistique, statistique inférentielle
TD: Introduction au logiciel R
2. CM: Estimateur du maximum de vraisemblance
PC: Exercices
3. CM: Tests de Wald et du rapport de vraisemblance
PC: Exercices
4. CM: Modèle linéaire, estimateur des moindres carrés
TD: Cas d'étude avec R
5. CM: Tests et validation
TD: Cas d'étude avec R
6. CM: ANOVA, ANCOVA
TD: Cas d'étude avec R
7. CM 1h de question/réponse, Examen 2h sur table