4.00 crédits
15.0 h + 7.5 h
Q1
Enseignants
Legrand Catherine;
Langue
d'enseignement
d'enseignement
Français
Préalables
Concepts et outils équivalents à ceux enseignés dans les UE
Formation de base en probabilité, statistique et algèbre matricielle.
Bonne maitrise du modèle linéaire général (e.g., cours LSTAT2120)
LSTAT2020 | Logiciels et programmation statistique de base |
LSTAT2120 | Linear models |
LSTAT2100 | Modèles linéaires généralisés et données discrêtes |
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
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |||
1 |
|
||
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.
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
des acquis des étudiants
L'évaluation sera basée sur les deux éléments suivants:
- présentation orale du rapport d'analyse sur base d'un travail sur ordinateur consistant en l'analyse d'une base de données.
- examen écrit sur la matière du cours
Ressources
en ligne
en ligne
Site Moodle du cours
Bibliographie
Transparents du cours disponible sur Moodle.
Références données au cours.
Références données au cours.
Support de cours
- transparents sur moodle
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 science des données, orientation statistique
Master [120] : ingénieur civil biomédical
Master [120] en statistique, orientation biostatistiques
Master [120] en statistique, orientation générale
Certificat d'université : Statistique et science des données (15/30 crédits)