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.
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.
3 crédits
15.0 h
Q1
Cette unité d'enseignement n'est pas dispensée en 2019-2020
Enseignants
Segers Johan;
Langue
d'enseignement
d'enseignement
Anglais
Préalables
Basic univariate and multivariate statistics. Working knowledge of the R language for statistical computing.
Thèmes abordés
The course focuses on copulas and their use in modelling dependence between random variables. Both theoretical and practical aspects will be covered.
Acquis
d'apprentissage
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 : 1.1, 1.3, 2.2, 3.3 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 : 1.1, 1.3, 2.2, 3.3. B. By the end of the course, the student will have a working knowledge on copula models and their use in modelling dependence between random variables. He will be able to select, calibrate, and validate a copula model and use the fitted model to answer questions related to multivariate data: calculation of risk measures, prediction, decision making. |
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
1 Fundamentals : Cumulative distribution functions, Sklar’s theorem, various copula properties, densities and conditional distributions, Measures of association
2 Models: Archimedean copulas, extreme-value copulas, elliptical copulas
3 Inference: Nonparametric inference via the empirical copula, parametric inference via measures of association and likelihood-based parametric inference
The course provides a mixture of theory, parametric models, and implementation in R.
2 Models: Archimedean copulas, extreme-value copulas, elliptical copulas
3 Inference: Nonparametric inference via the empirical copula, parametric inference via measures of association and likelihood-based parametric inference
The course provides a mixture of theory, parametric models, and implementation in R.
Méthodes d'enseignement
During the lectures, the teacher motivates and introduces the main concepts. The students then work independently or in groups to solve the questions in the text. In the meantime, the teacher interacts with the students personally helping them advance at their own pace.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Intermediate tests (8/20)
There will be two tests, the first one on chapter 1 and the second one on chapter 2. The tests will take place during the lectures. The tests are compulsary. Each test will count for 4 points of the final grade, so 8 points out of 20 (40%) in total. The questions will concern the exercises of type ‘M’ (calculations related to particular models) in the lecture notes. The tests are closed-book.
Project and oral exam (12/20)
The material of chapter 3 will be examined via a project assignment. Students will be required to analyze aspects of dependence in a dataset using techniques covered in the course. They describe the analysis and its results in a short text. Specific instructions will be communicated at the start of chapter 3. This text and any supplementary files are to be submitted via MoodleUCL by the start of the exam period.
The oral examination will center around the project submitted by the student.
There will be two tests, the first one on chapter 1 and the second one on chapter 2. The tests will take place during the lectures. The tests are compulsary. Each test will count for 4 points of the final grade, so 8 points out of 20 (40%) in total. The questions will concern the exercises of type ‘M’ (calculations related to particular models) in the lecture notes. The tests are closed-book.
Project and oral exam (12/20)
The material of chapter 3 will be examined via a project assignment. Students will be required to analyze aspects of dependence in a dataset using techniques covered in the course. They describe the analysis and its results in a short text. Specific instructions will be communicated at the start of chapter 3. This text and any supplementary files are to be submitted via MoodleUCL by the start of the exam period.
The oral examination will center around the project submitted by the student.
Autres infos
Le cours est bisannuel et ne sera pas donné en 2019-2020.
Ressources
en ligne
en ligne
The course text is available on the MoodleUCL course page.
Bibliographie
Teaching material
- Syllabus "LSTAT2410 - Copulas: models and inference" (J. Segers)
Support de cours
- syllabus on moodle
Faculté ou entité
en charge
en charge
LSBA
