4.00 crédits
15.0 h + 5.0 h
Q1
Enseignants
Pircalabelu Eugen;
Langue
d'enseignement
d'enseignement
Français
Préalables
Une bonne connaissance des techniques d'inférence statistique de base est préférable.
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 permet aux étudiants de maîtriser de manière prioritaire les AA 1.3, 1.4, 1.5, 4.1, 4.2 et 4.4. Eu égard au référentiel AA du programme de master en statistique, orientation biostatistique, cette activité permet aux étudiants de maîtriser de manière prioritaire les AA 1.3, 1.4, 1.5, 4.1, 4.2 et 4.3. B. A l'issue de ce cours, l'étudiant sera familiarisé avec les bases de la méthode de bootstrap tant au niveau théorique que pratique. En outre, l'étudiant sera capable d'appliquer cette méthode dans différents domains d'applications et il comprendra quelques extensions plus avancées de cette méthode. |
Contenu
Le cours est centré sur la présentation des concepts clés en méthodes de rééchantillonnage telles que:
- Idées de base du bootstrap
- Méthodes de Monte-Carlo
- Aplications à certains problèmes basiques d' estimation et inférence
- Biais/variance d'un estimateur
- Intervalles de confiance, . . .
- Tests d'hypothèses par rééchantillonnage
- Propriétés théoriques du bootstrap
- Le bootstrap pour la régression
- Le bootstrap itéré
- Le jacknife
- Le "smoothed" bootstrap
- Le bootstrap pour les séries temporelles
Méthodes d'enseignement
Le cours comprend des exposés magistraux (15h) et des séances d’exercices (5h).
Les cours et les TP sont destinés à être en présentiel.
Langue d'enseignement: Anglais.
Les cours et les TP sont destinés à être en présentiel.
Langue d'enseignement: Anglais.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
L'évaluation pour ce cours consiste en trois parties:
- Pendant le quadrimestre l'étudiant doit rendre 2 devoirs obligatoires (courts, 1 à 2 pages maximum par devoir), comptant pour 20% de la note finale. Les devoirs sont à résoudre individuellement ou en groupe de 2. Une note sera attribuée par groupe.
- Un projet (rédigé en français/anglais en min 5 et max 9 pages dans le template sur Moodle, annexes non-incluses) qui illustrera la méthode du bootstrap dans un cas concret (30% des points). L'évaluation du projet se fait sur base du rapport écrit. Le projet est à résoudre individuellement ou en groupe de 2. Une note sera attribuée par groupe.
- Un examen oral (~45 min.), auquel le titulaire évaluera la maîtrise de la matière vue au cours (50% des points). Si nécessaire le titulaire posera aussi des questions par rapport aux résultats et la méthodologie utilisée pour le rapport et pour les devoirs.
Ressources
en ligne
en ligne
Site Moodle du cours : LSTAT2180 - Méthodes de rééchantillonnage avec applications.
https://moodleucl.uclouvain.be/course/view.php?id=8140
https://moodleucl.uclouvain.be/course/view.php?id=8140
Bibliographie
- Chernick, M.R. (2008). Bootstrap methods : a guide for practitioners and researchers, Wiley Series in Probability and Statistics.
- Davison, A.C. et Hinkley, D.V. (1997). Bootstrap Methods and their Applications, Cambridge University Press.
- Efron, B. et Tibshirani, R.J. (1993). An Introduction to the Bootstrap, Chapman and Hall.
- Hall, P. (1992). The Bootstrap and Edgeworth Expansion, Springer.
- Mammen, E. (1992). When does bootstrap work ? Springer.
Support de cours
- Transparents du cours et syllabus disponible sur Moodle
- Notes de cours : Simar, L. (2008). An Invitation to the Bootstrap : Panacea for Statistical Inference ?
Faculté ou entité
en charge
en charge
LSBA
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] en statistique, orientation générale
Master [120] en statistique, orientation biostatistiques
Certificat d'université : Statistique et sciences des données (15/30 crédits)
Master [120] : ingénieur civil en mathématiques appliquées
Master [120] en science des données, orientation statistique