Données catégorielles (STA212)
Permettre aux ingénieurs, cadres d'entreprises ou d'administrations, médecins, chercheurs, de construire des modèles explicatifs de variables qualitatives. Le cours s'appuie sur la pratique du logiciel SAS, mis à disposition des auditeurs.
Condition d'accès / publics visés
Ce cours s'adresse en priorité aux auditeurs préparant le master MR123.
Il s'adresse également à des auditeurs préparant le diplôme d'actuaire.
Niveau requis : STA102 (régression et analyse de la variance) et STA104 (statistique mathématique).
Objectifs pédagogiques
Permettre aux ingénieurs, cadres d'entreprises ou d'administrations, médecins, chercheurs, de construire des modèles explicatifs de variables qualitatives. Le cours s'appuie sur la pratique du logiciel SAS, mis à disposition des auditeurs.
Niveau
Niveau 7 (Bac+5)
Contenu de la formation
Présentation des méthodes statistiques traitant des variables qualitatives
Principes généraux d'estimation d'un modèle (maximum de vraisemblance)
La régression logistique simple
Notion de variable latente
Les modèles PROBIT, LOGIT
Le modèle logistique et son interprétation
Analyse des résidus, des observations
La régression logistique multiple
Le modèle : prédicteurs quantitatifs ou qualitatifs
Sélection de variables
Résumé des tests de validité générale d'un modèle
Tables de classement, courbe ROC
Interprétation des coefficients de la régression logistique : odds ratio
La régression logistique dans le cas où Y est une variable polytomique ordonnée
Aspects pratiques de la mise en oeuvre des méthodes de régression logistique
La procédure LOGISTIC
Présentation des modèles linéaires généralisés et de la procédure GENMOD
Régression de Poisson
Etude de contrastes
Modélisation d'une réponse multinomiale
Estimation par maximum de vraisemblance ou par moindres carrés généralisés
Etude de cas avec la procédure CATMOD
Comparaison de la régression logistique avec d'autres méthodes de modélisation d'une réponse qualitative
Analyse discriminante sur variables quantitatives et qualitatives
Arbres de décision
Eléments pratiques de création d'un score
Méthodes PLS
Présentation de NIPALS, PLS1,PLS2
Applications: régression logistique PLS, analyse discriminante PLS
Modèles linéaires généralisés PLS
Modalités de validation
Projet(s)
Description des modalités de validation
Rédaction d'un mémoire utilisant les méthodes présentées en cours
Accompagnement et suivi
Sous l’autorité pédagogique du certificateur Cnam, les équipes du Cnam Bretagne vous offrent un accompagnement pendant votre parcours de formation à la fois sur les aspects administratifs, financiers, pédagogiques et techniques.
ECTS : 9
Modalité | Volume horaire | Employeur | France travail | Auto-financement |
---|---|---|---|---|
|
1200 € | 350 € | 350 € |
Indexation officielle
FORMACODES
[C0A1B0A4A0A0] analyse factorielle - [C0A1B0A4A0] analyse données - [C0A1B0A4] statistique descriptive - [C0A1B0] statistique - [C0A1] mathématiques - [C0] sciences
[C0A1B0A5A0A0] plan expérience - [C0A1B0A5A0] statistique inférentielle - [C0A1B0A5] théorie probabilités - [C0A1B0] statistique - [C0A1] mathématiques - [C0] sciences
Mots clés
Analyse factorielle, Statistique inférentielle, Analyse de variance, Modèle linéaire généralisé, Régression logistique
Indicateurs de résultat
INFOS
PRATIQUES
17/02/2025
21/06/2025