Modèles linéaires avancés.

lstat2210  2020-2021  Louvain-la-Neuve

Modèles linéaires avancés.
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).
4 crédits
15.0 h + 5.0 h
Q1
Enseignants
Desmet Lieven (supplée Legrand Catherine); Legrand Catherine;
Langue
d'enseignement
Français
Préalables
Formation de base en probabilité, statistique et algèbre matricielle.

Bonne maitrise du modèle linéaire général (e.g., cours LSTAT2120)
Thèmes abordés
Introduction aux modèles linéaires mixtes (modèles avec effets aléatoires et/ou covariance pattern), aux modèles linéaires généralisés, et aux modèles linéaires généralisés mixtes.
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, orientation biostatistique, cette activité contribue au développement et à l'acquisition des AA suivants :
De manière prioritaire : 1.3, 1.4, 1.5, 2.2, 3.1, 3.2, 3.4, 4.2, 5.6, 6.3
De manière secondaire : 1.1, 1.2, 2.1, 2.3, 2.4, 2.5, 2.6, 3.3, 4.1, 4.5, 5.2, 5.7, 6.4
Eu égard au référentiel AA du programme de master en statistique, orientation générale, cette activité contribue au développement et à l'acquisition des AA suivants :

de manière prioritaire : 1.3, 1.4, 1.5, 2.2, 3.1, 3.2, 3.4, 4.2, 5.5, 6.3
de manière secondaire : 1.1, 1.2, 2.1, 2.3, 2.4, 2.5, 2.6, 3.3, 4.1, 5.2, 5.6, 6.4
B. A l'issu de ce cours, l'étudiant sera capable de reconnaitre les limitations des modèles linéaires «classique » et d'identifier les situations dans lesquels un modèle linéaire avancé (mixte, généralisé ou généralisé mixte) sera plus approprié. Il sera capable d'analyser des données réelles, de sélectionner le type de modèle linéaire le plus approprié, de l'ajuster au moyen d'un logiciel statistique et d'en interpréter correctement les résultats.
 
 
Contenu
Rappels théoriques concernant les modèles linéaires « classiques »
-- Modèles linéaires mixtes pour données longitudinales ou en grappes (effets/coefficients aléatoires, covariance pattern)
Modèles linéaires généralisés (famille de distributions exponentielles, fonction de lien)
--   Modèles linéaires généralisés mixtes pour données longitudinales ou en grappes.
Pour chaque type de modèles seront présentés la motivation pour ces modèles, leur spécification, et un aperçu des méthodes d'estimation disponibles.
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, des exercices sur ordinateur et un travail personnel sur ordinateur menant à la rédaction d'un rapport d'analyse.
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.

Examen oral. Rédaction d'un rapport d'analyse sur base d'un travail sur ordinateur consistant en l'analyse d'une base de données.
Bibliographie
Transparents du cours disponible sur Moodle.
Références données au cours.
Support de cours
  • transparents sur moodle
Faculté ou entité
en charge
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 janvier. Deux options sont envisagées selon la sévérité des contraintes liées à la crise sanitaire.
Un plan A en présentiel :
  • Examen oral
Un plan B en distanciel :
  • Examen oral sur Teams


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

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en science des données, orientation statistique

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

Master [120] en statistique, orientation générale

Master [120] en statistique, orientation biostatistiques

Master [120] : ingénieur civil biomédical