Linear models

lstat2120  2024-2025  Louvain-la-Neuve

Linear models
5.00 crédits
30.0 h + 7.5 h
Q1
Enseignants
Préalables
Anglais au niveau moyen et concepts et outils équivalents à ceux enseignés dans l'UE LSTAT2014 : Eléments de probabilités et de statistique mathématique
Thèmes abordés
Introduction au modèle linéaire général, la régression multiple et l'analyse de la variance.
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, 2.1, 2.2, 2.3, 2.4, 2.5, 3.2, 3.3
de manière secondaire : 1.1, 1.2, 1.5, 2.6, 3.1, 3.4, 4.1, 5.5, 6.3, 6.4
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, 2.1, 2.2, 2.3, 2.4, 2.5, 3.2, 3.3, 6.3, 6.4
de manière secondaire : 1.1, 1.2, 1.5, 2.6, 3.1, 4.1, 5.6
B. Formulation spécifique pour cette activité des AA du programme
A l'issue de ce cours, l'étudiant maîtrisera le problème de spécification,  validation et interprétation de modèles linéaires classiques. Il sera capable d'analyser des données réelles et en appliquer les méthodes de modélisation à l'aide d'un logiciel statistique.
 
Contenu
  • The model, specification and interpretation
    2 Estimation and geometry
    3 Statistical properties of OLS
    4 Maximum likelihood estimator
    5 Inference and hypothesis tests
    6 Multicollinearity
    7 Discrete variables and Analysis of Variance
    8 Variable selection
    9 Heteroskedasticity, autocorrelation
    10 Diagnostics (outliers, influential observations)
    11 Panel data
Méthodes d'enseignement
Le cours comprend des exposés magistraux, qui fournissent le matériel théorique ainsi que de nombreux exemples pratiques, et des exercices sur ordinateur qui aident à implémenter les méthodes dans un langage de programmation statistique commun, et travailler sur un projet personnel sur ordinateur.
Modes d'évaluation
des acquis des étudiants
Un examen écrit (60%) et un travail sur ordinateur qui consiste en une analyse de données réelles (40%).
Bibliographie
Kutner, Nachtsheim, Neter and Wasserman, Applied Linear
Statistical Models, McGraw-Hill, Fifth edition (2005)
Davidson and McKinnon, Econometric Theory and
Methods, Oxford University Press (2004)
other references will be given in class.
Support de cours
  • matériel sur moodle
Faculté ou entité
en charge


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] : ingénieur civil biomédical

Master [120] en statistique, orientation biostatistiques

Master [120] en sciences mathématiques

Master [120] en statistique, orientation générale

Master [120] : bioingénieur en chimie et bioindustries

Approfondissement en statistique et sciences des données

Master [120] : ingénieur civil en mathématiques appliquées

Master [120] : ingénieur civil en science des données

Mineure en statistique, sciences actuarielles et science des données

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

Master [120] en science des données, orientation technologies de l'information