Modèles linéaires avancés.

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.

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