Modèles linéaires

LSTAT2120  2016-2017  Louvain-la-Neuve

Modèles linéaires
5.0 crédits
30.0 h + 7.5 h
1q

Enseignants
Hafner Christian;
Langue
d'enseignement
Français
Prérequis

Formation de base en probabilité, statistique et algèbre matricielle.

Thèmes abordés

Introduction au modèle linéaire général, la régression multiple et l'analyse de la variance.

Acquis
d'apprentissage

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.

La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».

Modes d'évaluation
des acquis des étudiants

Un examen oral et un travail sur ordinateur qui consiste en une analyse de données réelles.

Méthodes d'enseignement

Le cours comprend des exposés magistraux, des exercices sur ordinateur et un travail personnel sur ordinateur.

Contenu
  • Théorie de l'estimation par moindres carrés
  • Géométrie des moindres carrés
  • Propriétés statistiques
  • Tests de restrictions linéaires
  • Régions  de confiance
  • Intervalles de confiance multiple - Prédiction
  • Multicollinéarité
  • Hétéroskédasticité
  • Autocorrélation
  • Valeurs aberrantes/influentes
  • Procédures de sélection de variables explicatives
  • Modèles ANOVA à un et deux facteurs
  • design balancé et non-balancé
  • modèles fixes et aléatoires.
Bibliographie

Syllabus du cours.
Références données au cours.

Faculté ou entité
en charge


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] : ingénieur civil en mathématiques appliquées
5
-

Master [120] bioingénieur : sciences et technologies de l'environnement
5
-

Master [120] en statistiques, orientation générale
5
-

Master [120] : ingénieur civil biomédical
5
-

Master [120] en statistiques, orientation biostatistique
5
-

Master [120] en sciences mathématiques
5
-

Master [120] bioingénieur : gestion des forêts et des espaces naturels
5
-

Master [120] bioingénieur : sciences agronomiques
5
-

Master [120] bioingénieur : chimie et bioindustries
5
-

Certificat d'université : Statistique (15/30 crédits)
5
-