Modélisation et exploration des données multivariées

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

• Maîtriser des savoirs-faire procéduraux dans la réalisation d'expériences (M1.3)
• Connaître et comprendre un socle de savoirs approfondis et d'outils en Sciences de l'ingénieur (M2.1)
• Maîtriser de manière opérationnelledes outils spécialisés en Sciences de l'ingénieur (M2.3)
• Maîtriser et mobiliser des outils d'analyse statistiques de données scientifiques dans le cadre d'une problématique scientifique complexe (M3.5)
• Faire preuve d'une capacité d'abstraction conceptuelle et de formalisation dans l'analyse  et la résolution de problèmes (M4.4)
• Communiquer des résultats et conclusions et appuyer un message de manière pertinente à l'aide de tableaux, graphiques et schémas scientifiques (M6.5) 

• de choisir et écrire l'équation du modèle statistique adapté à l'expérience réalisée et aux questions posées
• de comprendre les limites des questions qui peuvent être addressées avec chaque type de données (expérimentales, non-expérimentales...)
• d'identifier les principales limites d’un modèle linéaire et les solutions qui peuvent y être apportées
• d'estimer le modèle avec éventuellement différentes méthodes d'estimation
• de valider la qualité du modèle estimé, déterminer les termes/paramètres significatifs et d'adapter éventuellement le modèle
• d'interpréter les effets des facteurs sur la réponse via des tests simples ou de contrastes et des graphiques afin de répondre aux questions de l'étude      
• d'utiliser le modèle estimé pour réaliser des prédictions 
• dans le cas de données catégorielles, d'écrire les hypothèses à tester, d'appliquer le test et d'interpréter les résultats     
• d'expliquer dans ses mots les importants concepts/méthodes vus au cours : différents types de modèles linéaires , modèles fixes, aléatoires ou mixtes, hypothèses sous jacentes aux modèles/méthodes , méthodes d'estimation des moindres carrés, maximum de vraisemblance, maximum de vraisemblance restreint, méthodes de construction de tests (test t univarié, test F pour modèles emboités, espérances de carrés moyens, rapports de vraisemblance'),      
• d'écrire du code SAS pour estimer un modèle donné   
• d'interpréter précisément les résultats d'une sortie SAS ou JMP en étant capable de dire pour CHAQUE nombre d'un tableau de résultats à quel concept sous'jacent il correspond en sachant expliquer ce concept, dire comment le nombre a été calculé et comment l'interpréter dans le contexte.