Analyse statistique I

lstat2040  2020-2021  Louvain-la-Neuve

Analyse statistique I
En raison de la crise du COVID-19, les informations ci-dessous sont susceptibles d’être modifiées, notamment celles qui concernent le mode d’enseignement (en présentiel, en distanciel ou sous un format comodal ou hybride).
5 crédits
30.0 h + 15.0 h
Q2
Enseignants
Colling Benjamin (supplée El Ghouch Anouar); El Ghouch Anouar;
Langue
d'enseignement
Français
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1 A. Eu égard au référentiel AA du programme de master en statistique, orienation générale, cette activité permet aux étudiants de maîtriser de manière prioritaire les AA 1.1, 1.4, 1.5, 4.3 et 4.4.
Eu égard au référentiel AA du programme de master en statistique, orienation biostatistique, cette activité permet aux étudiants de maîtriser de manière prioritaire les AA 1.1, 1.4, 1.5 et 4.3.
B. À l'issue de cet enseignement, l'étudiant devrait avoir acquis les outils nécessaires à une étude statistique plus approfondie du point de vue mathématique. Il comprendra les bases de la statistique multivariée et les concepts fondamentaux de l'inférence statistique. L'étudiant sera amené à quantifier l'information contenue dans un ensemble de données, à estimer des paramètres inconnus, à étudier les propriétés de ces estimateurs et à les comparer. Il sera en mesure d'associer à ces estimateurs un certain degré de confiance basé sur des outils probabilistes. L'étudiant comprendra aussi quelques points importants de la théorie asymptotique. Il devrait être capable de reproduire et transférer les arguments de dérivation des résultats techniques et mathématiques développés au cours et pendant les séances de TP.
 
Contenu
Il s'agit d'un cours méthodologique qui traite quelques aspects fondamentaux d'analyse statistique fréquentiste:
  • Analyse statistique multivariée.
  • Méthodes d'estimations les plus fréquentes.  
  • Comparaison d'estimateurs. Fonction de risque.  
  • Information de Fisher. Borne de Cramer-Rao.
  • Famille exponentielle.
  • Méthode du Maximum de Vraisemblance.
  • Theorie asymptotique.
  • Théorie des tests et région de confiance.
  • Inférence basée sur la vraisemblance
Méthodes d'enseignement

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Le cours comprend des exposés magistraux et des séances d'exercices.
Modes d'évaluation
des acquis des étudiants

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

L'évaluation consiste à un examen écrit de +/- 3h.
Bibliographie
  • Syllabus sous format d'un recueil de transparents vus au cours.
  • Lehmann, E.L. (1999). Elements of Large-Sample Theory. ISBN-13: 9780387985954.
  • Casella, G. et Berger, R.L.. (2012). Statistical Inference. ISBN-13: 9780534243128.
  • Knight, K. (1999). Mathematical Statistics. ISBN-13: 9781584881780
  • Keener, R.W. (2010). Theoretical Statistics: Topics for a  Core  Course. ISBN-13: 9780387938387.
Support de cours
  • transparents sur moodle
Faculté ou entité
en charge
LSBA
Force majeure
Modes d'évaluation
des acquis des étudiants
La crise sanitaire implique des incertitudes quant aux modalités d’évaluation en particulier pour la session de juin. Deux options sont envisagées selon la sévérité des contraintes liées à la crise sanitaire.
Un plan A en présentiel :
  • Examen écrit
Un plan B en distanciel :
  • Examen écrit sur Moodle


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en sciences mathématiques

Certificat d'université : Statistique et sciences des données (15/30 crédits)

Master [120] : ingénieur civil en mathématiques appliquées

Master [120] en statistique, orientation générale

Master [120] en statistique, orientation biostatistiques

Master [120] : ingénieur civil biomédical