Détails du cours MAP-STA1

Statistical modelling

Cette page est essentiellement destinée aux enseignants et regroupe toutes les informations nécessaires à la gestion d'un cours ENSTA.

Identité du cours

Sigle : MAP-STA1
Titre français : Modélisation statistique [V2B]
Titre anglais : Statistical modelling
Méta infos : modifiée le : 23/01/2017   par : guest   Nb de visiteurs : 448   annee : 2A      periode : 1      Rattachement/module : voie      ECTS : 2      type : unknown     
ouvert : Oui     modif. autorisée : Oui     email auto. au responsable : Oui     à évaluer : Oui     en ligne : Non    

Equipe pédagogique

Responsable (login) :
Professeur principal :
Professeurs participants : Christine KERIBIN,   
Maitres de conférences : Yannig GOUDE,    Jade GIGUELAY,    Christine KERIBIN,    Eddie AAMARI,   

Contenu

a pour prérequis : MA101
est prérequis pour : Séries chronologiques (MAP-STA2)
Apprentissage statistique (MAE60)
Méthodes numériques statistiques (MAE71)
Objectifs :

1. Descriptif

La modélisation statistique permet de définir un modèle stochastique pour expliquer ou prédire un phénomène à partir de données observées en quantifiant l'accord du modèle avec les données. C'est une discipline transverse qui se rencontre dans des domaines variés tels que : l'assurance, la fiabilité, l'agro-alimentaire, la biologie, l'environnement, l'énergie ... Ce cours fait suite au cours MA101 dans lequel les principes de base de la statistique inférentielle ont été étudiés: estimateur, tests, intervalle de confiance dans les cas classiques d'inférence paramétrique. Le cours STA1 apporte des compléments de la théorie de l'estimation (recherche d'estimateurs optimaux, estimation par maximum de vraisemblance, tests de Wald et du rapport de vraisemblance, ..), illustre le cadre de la modélisation statistique et détaille le cas du modèle linéaire. L'enseignement comporte une part de travaux dirigés sur ordinateurs qui permettent de transformer le savoir théorique en une pratique de la modélisation de données réelles et de l'estimation de modèles avec un logiciel (logiciel R). Remarque: ce cours compte pour 3 ECTs pour l'obtention du M1-Mathématiques Appliquées

2. Compétences à acquérir

Être capable, en utilisant les bases théoriques de la modélisation statistique et les méthodes statistiques dans le cas du modèle linéaire de : - définir une modélisation adaptée à un jeu de données réelles; - estimer un modèle statistique (linéaire) avec un logiciel (R) et interpréter les résultats obtenus; - utiliser un modèle à des fins explicatives ou prédictives; - prendre en compte le risque de toute décision statistique.

3. Programme des séances

Mots clés : Inférence statistique, estimateur du maximum de vraisemblance, tests, modèle
linéaire, logiciel R
Objectives : Statistical modeling allows to define a stochastic model to explain or predict a
phenomenon from observed data by quantifying the agreement of the model with the
data. It is a transverse discipline that occurs in various fields such as
insurance, reliability, food, biology, environment, energy ...
The course presents statistical methods and theoretical foundations needed to
understand statistical modeling, and details the case of the linear model.
the course contains a tutorial for transforming theoretical knowledge into
practical modeling of real data and estimation models with software (R
software).
Keywords : Statistical inference, tests linear models, R
Supports : Photocopies des transparents de cours
Biblio : Statistique en action, V. Rivoirard et G. Stolz, Vuibert (2009)
Introduction au calcul des probabilités et à la statistique, J.-F. Delmas, Les
Presses de l'ENSTA (2010)
Statistiques générales pour utilisateurs, J. Pagès, Presses Universitaires de
Rennes (2005)
Régression: Théorie et Applications, P.-A. Cornillon et E. Matzner-Lober
(2007)
Le modèle linéaire par l'exemple, J.-M. Azaïs et J.-M. Bardet (2005)
Contrôle : Moyenne d'une note de TP et d'une note d'examen.
Le note de TP est la moyenne de 2 comptes-rendus de TPs
L'examen comportera une partie théorique (le seul document autorisé est une
feuille de notes personnelles manuscrites) et une partie pratique sur machine
(tous les documents sont autorisés)

Besoins particuliers et remarques éventuelles

Moyens :
Commentaires :

Séances

mar. 22 nov. 2016   - 09:00 à 10:00 : Cours Magistral (CM)
programme : Démarche statistique, modèle statistique, statistique inférentielle
besoin : Vidéo,
Intervenants : Christine KERIBIN,
mar. 22 nov. 2016   - 10:15 à 12:15 : TD en salle info (TD)
programme : Cas d'étude avec le logiciel R
besoin :
Intervenants : Yannig GOUDE, Jade GIGUELAY, Christine KERIBIN, Eddie AAMARI,
mar. 29 nov. 2016   - 09:00 à 10:00 : Cours Magistral (CM)
programme : Recherche d'estimateurs optimaux
besoin :
Intervenants : Christine KERIBIN,
mar. 29 nov. 2016   - 10:15 à 12:15 : Petite Classe (PC)
programme : Exercices
besoin :
Intervenants : Yannig GOUDE, Jade GIGUELAY, Christine KERIBIN, Eddie AAMARI,
mar. 06 déc. 2016   - 09:00 à 10:00 : Cours Magistral (CM)
programme : Estimateur du maximum de vraisemblance
besoin :
Intervenants : Christine KERIBIN,
mar. 06 déc. 2016   - 10:15 à 12:15 : Petite Classe (PC)
programme : Exercices
besoin :
Intervenants : Yannig GOUDE, Jade GIGUELAY, Christine KERIBIN, Eddie AAMARI,
mar. 13 déc. 2016   - 09:00 à 10:00 : Cours Magistral (CM)
programme : Tests et Région de confiance. Rappels vecteurs gaussiens
besoin :
Intervenants : Christine KERIBIN,
mar. 13 déc. 2016   - 10:15 à 12:15 : TD en salle info (TD)
programme : Cas d'étude avec R
besoin :
Intervenants : Yannig GOUDE, Jade GIGUELAY, Christine KERIBIN, Eddie AAMARI,
mar. 03 janv. 2017   - 09:00 à 10:00 : Cours Magistral (CM)
programme : Modèle linéaire, estimateur des moindres carrés
besoin :
Intervenants : Christine KERIBIN,
mar. 03 janv. 2017   - 10:15 à 12:15 : TD en salle info (TD)
programme : Cas d'étude avec R
besoin :
Intervenants : Yannig GOUDE, Jade GIGUELAY, Christine KERIBIN, Eddie AAMARI,
mar. 10 janv. 2017   - 09:00 à 10:00 : Cours Magistral (CM)
programme : ANOVA, ANCOVA
besoin :
Intervenants : Christine KERIBIN,
mar. 10 janv. 2017   - 10:15 à 12:15 : TD en salle info (TD)
programme : Cas d'étude avec R
besoin :
Intervenants : Yannig GOUDE, Jade GIGUELAY, Christine KERIBIN, Eddie AAMARI,
mar. 17 janv. 2017   - 09:00 à 12:00 : TD en salle info (TD)
programme : 1h partie théorique 2h partie pratique
besoin :
Intervenants : Christine KERIBIN, Yannig GOUDE, Jade GIGUELAY, Eddie AAMARI,