Modèles linéaires généralisés et données discrètes

lstat2100  2023-2024  Louvain-la-Neuve

Modèles linéaires généralisés et données discrètes
5.00 crédits
30.0 h + 7.5 h
Q2
Enseignants
El Ghouch Anouar;
Langue
d'enseignement
Français
Préalables
Concepts et outils équivalents à ceux enseignés dans les UE
LSTAT2020Logiciels et programmation statistique de base
LSTAT2120Linear models
Thèmes abordés
- Distribution multinomiale (marginales, conditionnelles et propriétés asymptotiques). - Tables de contingence à deux critères : indépendance et homogénéité, mesures d'association et tests particuliers (Fisher, Mac Nemar,...). - Tables de contingence à plusieurs critères : indépendance mutuelle, partielle et conditionnelle. - Modèles log-linéaires. - Modèles conditionnels * Principes généraux * Modèle linéaire généralisé * Modèles probit et logit. - Analyse discriminante multinomiale, sélection de variables explicatives.
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 générale, cette activité contribue au développement et à l'acquisition des AA suivants, de manière prioritaire : 1.3, 1.5, 2.2, 5.5, 5.6

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, 1.5, 2.2, 3.4, 5.5, 5.6, 5.7
B. Au terme du cours, l'étudiant sera initié aux techniques de base de l'analyse des données discrètes ou catégories et sera capable de les appliquer sur des données réelles au moyen de logiciels de statistique.
 
Contenu
Contenu - Distribution multinomiale (marginales, conditionnelles et propriétés asymptotiques). - Tables de contingence à deux critères : indépendance et homogénéité, mesures d'association et tests particuliers (Fisher, Mac Nemar,...). - Tables de contingence à plusieurs critères : indépendance mutuelle, partielle et conditionnelle. - Modèles log-linéaires. - Modèles conditionnels * Principes généraux * Modèle linéaire généralisé * Modèles probit et logit. - Analyse discriminante multinomiale, sélection de variables explicatives. Méthode Les exposés magistraux dont concentrés sur les 10 premières semaines du quadrimestre. Les quatre semaines suivantes sont consacrées à la réalisation, sans guidance, d'un travail d'application.
Modes d'évaluation
des acquis des étudiants
Pendant la session des examens : examen écrit assisté par ordinateur.
Autres infos
Préalables: Cours de base (niveau des bachelier) de Calcul des Probabilités et de Statistique.
Support de cours
  • transparents sur moodle
Faculté ou entité
en charge
LSBA


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

Master [120] en statistique, orientation biostatistiques

Master [120] en statistique, orientation générale

Master [120] : ingénieur civil en mathématiques appliquées

Master [120] en sciences économiques, orientation générale

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