Modélisation statistique
Nombre de crédits
9 ECTS
Durée de la formation
90 heures
Modalité
-
objectifs de la formation
Maîtriser les outils de la modélisation statistique (sélection de modèles, validation, interprétation) dans un contexte général (données continues, discrètes, qualitatives, mixtes) via l'utilisation de méthodes paramétriques (modèles linéaires et modèle linéaire généralisé) ou non-paramétriques.
Acquérir des connaissances ainsi qu'un savoir-faire dont l'objectif est de traiter un problème concret par une approche de modélisation (applications à des données réelles).
Mettre en œuvre cette modélisation à l'aide d'un logiciel de modélisation statistique avancé (logiciel R) et savoir interpréter les résultats obtenus.
compétences et débouchés
Statisticien modélisateur
Modalités et délais d'accès
En savoir plus sur nos modalités et délais d'accès
prérequis
Avoir le niveau de l'unité d'enseignement : STA. 103 (calcul des probabilités) et STA001 (Techniques de la statistique)
programme de la formation
I) Méthodes paramétriques
Régression linéaire simple et multiple : modèle, moindres carrés, estimations, intervalles de confiance, tests, colinéarité, sélection de variables, validation, prédiction, interprétation. Recherche de points (aberrants, influents, atypiques et de points leviers).
Analyse de la Variance : à 1 facteur (mesures indépendantes, répétées) et à 2 facteurs (mesures indépendantes)
Analyse de la Covariance (modèles, comparaison à la régression linéaire et à l'anova à 1 facteur à mesures indépendantes, paradoxe de Lord)
Régression logistique : modèle probit et logit, estimations, tests, sélection de modèles, validation, prédiction.
Modèle linéaire généralisé (regression de Poisson, modèle polytomique)
Introduction à la modélisation Bayésienne
Introduction à l'analyse de séries temporelles
II) Méthodes non-paramétriques
Régression spline
Estimateurs par moyennes locales (estimateurs à noyau)
Régression polynomiale locale
L'enseignement comporte une initiation au logiciel R et une mise en oeuvre de ce logiciel dans diverses applications.
diplôme(s) associé(s)
Information non disponible, pour plus d'information veuillez contacter le cnam
Méthodes pédagogiques
Modalité Présentiel
Les cours en présentiel : ils ont lieu en présence des élèves et de l’enseignant dans un centre Cnam :
- hors temps de travail (HTT)c'est à dire le soir (souvent à partir de 18h30) ou le samedi,
- en journée (au rythme d'un cours par semaine ou bien de quelques journées bloquées dans le semestre).
Aucun cours n’est enregistré ni diffusé via Internet. La présence physique des élèves est nécessaire.
Les examens se déroulent exclusivement dans le centre Cnam où se déroulent les cours.
Modalité Hybride
La modalité hybride est une combinaison entre :
- des regroupements en salle à présence physique indispensable (non diffusés via Internet et non enregistrés),
- des webconférences régulières à présence fortement conseillée,
- des activités distantes via la plateforme d’enseignement à distance pouvant prendre la forme de :
- la mise à disposition de ressources pédagogiques formalisées (cours magistraux : notions et concepts),
- des travaux à réaliser tutorés (activités pédagogiques : exercices, cas, lectures, rédaction de notes, de dossiers qui font écho aux ressources pédagogiques et/ou aux activités réalisées dans le cadre des regroupements physiques, forums …),
- des travaux personnels non tutorés.
Modalité Foad
La modalité Foad est parfaitement adaptée à votre disponibilité :
- des webconférences régulières à présence indispensable (accessibles en direct via internet, enregistrées pour visualisation en différé),
- des activités distantes via la plateforme d’enseignement à distance pouvant prendre la forme de :
- la mise à disposition de ressources pédagogiques (cours, exercices, cas),
- des travaux à réaliser tutorés via la plateforme d’enseignement à distance,
- des travaux personnels non tutorés.
méthode d'évaluation
L'évaluation se fera uniquement sous la forme de projets consistant en l'application des différentes méthodes de modélisation sur des données réelles.
Equivalences, passerelles & suite de parcours
En savoir plus sur les équivalences, passerelles & suite de parcours
Nos tarifs
En savoir plus sur nos tarifs