Méthodes statistiques de base S8
ECTS
8 crédits
Composante
Collège Sciences et Technologies pour l’Energie et l’Environnement (STEE)
Liste des enseignements
Modèles linéaires – notions de base S8
2 créditsModèles linéaires – notions avancées S8
4 créditsAnalyse de données S8
2 crédits
Modèles linéaires – notions de base S8
ECTS
2 crédits
Composante
Collège Sciences et Technologies pour l’Energie et l’Environnement (STEE)
Heures d'enseignement
Modèles linéaires – notions de base S8 CM, Modèles linéaires – notions de base S8 TD
Comprendre la problématique de la modélisation linéaire dans un cadre statistique.
- Cas particulier du modèle linéaire simple : écriture du modèle, estimation au sens des moindres carrés, estimation du maximum de vraisemblance, propriétés des estimateurs, qualité de l’ajustement, construction d’intervalles de confiance, réalisation de tests d’hypothèses.
- Modèle linéaire pour variables quantitatives,
Modèles linéaires – notions avancées S8
ECTS
4 crédits
Composante
Collège Sciences et Technologies pour l’Energie et l’Environnement (STEE)
Heures d'enseignement
Modèles linéaires – notions avancées CM, Modèles linéaires – notions avancées TD
Maîtriser l’utilisation des modèles linéaires dans un cadre statistique.
- Modèle linéaire pour variables quantitatives
- Modèle linéaire gaussien pour variables quantitatives
- Analyse des résidus et validation du modèle.
- Modèle linéaire pour variables qualitatives
Analyse de données S8
ECTS
2 crédits
Composante
Collège Sciences et Technologies pour l’Energie et l’Environnement (STEE)
Heures d'enseignement
Analyse de données S8 CM, Analyse de données S8 TD
- former les étudiants à l’utilisation des méthodes d’analyse factorielle en apprentissage statistique non supervisé et supervisé. Maîtriser les bases mathématiques des méthodes d?analyse factorielle
- être capable d’utiliser des logiciels statistiques pour la mise en œuvre de ces méthodes
- être en mesure d’interpréter les résultats du traitement pour l’analyse des données en vue de la prise de décision.
- Méthodes mathématiques pour l’analyse des données.
- Analyse en composantes principales (ACP).
- Décomposition en valeur singulière (SVD) pour l’ACP
- Partial Least Square version régression et version analyse canonique
- Analyse discriminante via Partial Least Square