Modèles linéaires avancés.

lstat2210  2019-2020  Louvain-la-Neuve

Modèles linéaires avancés.
Note du 29 juin 2020
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
4 crédits
15.0 h + 5.0 h
Q1
Enseignants
Desmet Lieven (supplée Legrand Catherine); Legrand Catherine;
Langue
d'enseignement
Français
Préalables
Formation de base en probabilité, statistique et algèbre matricielle.

Bonne maitrise du modèle linéaire général (e.g., cours LSTAT2120)
Thèmes abordés
Introduction aux modèles linéaires mixtes (modèles avec effets aléatoires et/ou covariance pattern), aux modèles linéaires généralisés, et aux modèles linéaires généralisés mixtes.
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 biostatistique, cette activité contribue au développement et à l'acquisition des AA suivants :
De manière prioritaire : 1.3, 1.4, 1.5, 2.2, 3.1, 3.2, 3.4, 4.2, 5.6, 6.3
De manière secondaire : 1.1, 1.2, 2.1, 2.3, 2.4, 2.5, 2.6, 3.3, 4.1, 4.5, 5.2, 5.7, 6.4
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, 1.4, 1.5, 2.2, 3.1, 3.2, 3.4, 4.2, 5.5, 6.3
de manière secondaire : 1.1, 1.2, 2.1, 2.3, 2.4, 2.5, 2.6, 3.3, 4.1, 5.2, 5.6, 6.4
B. A l'issu de ce cours, l'étudiant sera capable de reconnaitre les limitations des modèles linéaires «classique » et d'identifier les situations dans lesquels un modèle linéaire avancé (mixte, généralisé ou généralisé mixte) sera plus approprié. Il sera capable d'analyser des données réelles, de sélectionner le type de modèle linéaire le plus approprié, de l'ajuster au moyen d'un logiciel statistique et d'en interpréter correctement les résultats.
 
 

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) ».
Contenu
Rappels théoriques concernant les modèles linéaires « classiques »
-- Modèles linéaires mixtes pour données longitudinales ou en grappes (effets/coefficients aléatoires, covariance pattern)
Modèles linéaires généralisés (famille de distributions exponentielles, fonction de lien)
--   Modèles linéaires généralisés mixtes pour données longitudinales ou en grappes.
Pour chaque type de modèles seront présentés la motivation pour ces modèles, leur spécification, et un aperçu des méthodes d'estimation disponibles.
Méthodes d'enseignement
Le cours comprend des exposés magistraux, des exercices sur ordinateur et un travail personnel sur ordinateur menant à la rédaction d'un rapport d'analyse.
Modes d'évaluation
des acquis des étudiants
Examen oral. Rédaction d'un rapport d'analyse sur base d'un travail sur ordinateur consistant en l'analyse d'une base de données.
Bibliographie
Transparents du cours disponible sur Moodle.
Références données au cours.
Support de cours
  • transparents sur moodle
Faculté ou entité
en charge
LSBA


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

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] : ingénieur civil biomédical

Master [120] en statistique, orientation biostatistiques

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

Master [120] en statistique, orientation générale

Master [120] en science des données, orientation statistique