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
Q2
Enseignants
Pircalabelu Eugen;
Langue
d'enseignement
d'enseignement
Anglais
Préalables
LSTAT2120 Linear models & LSTAT2040 Analyse statistique I
Thèmes abordés
The course focuses on high-dimensional settings and on techniques to that
allow parameter estimation for high-dimensional models in statistics.
allow parameter estimation for high-dimensional models in statistics.
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 : 1.4, 1.5, 2.3, 4.3, 4.4, 6.1, 6.2. B. By the end of this class, the student will be able to understand the basic concepts of penalized estimation and will be able to apply these concepts to perform estimation/inference for high-dimensional models in statistics. |
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
The course outline is as follows:
1. Introduction
1. Introduction
- Semiparametric models
- Semiparametric Z-estimators
- Review of the basics of stochastic processes
- Introduction to modern empirical process theory
- Examples
Bibliographie
- 'Billingsley, P. (1968). Convergence of Probability Measures , Wiley, New York.
- 'Newey, W.K. (1994). The asymptotic variance of semiparametric estimators. Econometrica, 62, 1349'1382.
- 'Van der Vaart, A. and Wellner, J.A. (1996). Weak Convergence and Empirical Processes. Springer, New York.
Support de cours
- Syllabus disponible sur moodle.
Faculté ou entité
en charge
en charge
LSBA