Modélisation statistique (STA110)
Maîtriser les outils de la modélisation statistique (choix de modèles, test de spécification et de significativité, estimation, régions de confiances) dans un contexte général (modèles non linéaires, modèles dynamiques...), acquérir un savoir faire pratique dans la construction d'un modèle destiné à formaliser un problème concret (fonction de comportement, choix discrets,...En lire plus
Statisticien modélisateur
Légende :
100% Internet - national
Avoir le niveau de l'unité d'enseignement : STA. 103 (calcul des probabilités).
Maîtriser les outils de la modélisation statistique (choix de modèles, test de spécification et de significativité, estimation, régions de confiances) dans un contexte général (modèles non linéaires, modèles dynamiques...), acquérir un savoir faire pratique dans la construction d'un modèle destiné à formaliser un problème concret (fonction de comportement, choix discrets, prévision, sélection, scénarios, causalité, propagation de chocs, hétérogénéité inobservable...) et savoir mettre en oeuvre un logiciel de modélisation statistique avancé ( logiciel R ).
Statisticien modélisateur
Niveau 6 (Bac+3 et Bac+4)
Outils généraux
Simulation des lois usuelles.
Estimation de densité et d'espérance conditionnelle par la méthode du noyau.
Principaux résultats asymptotiques : lois des grands nombres, théorème central limite.
Modèles statistiques paramétriques et semi-paramétriques, information, pseudo vraie valeur d'un paramètre
Estimateurs extrémaux.
Modèles d'échantillonnage, modèles conditionnels, modèles dynamiques
M-estimateurs
Moindres carrés non linéaires : modèles splines, modèles index (applications à la biométrie et à la finance).
Maximum de vraisemblance : modèles à réponse qualitative (applications au marketing), modèles à réponses entières (applications à l'assurance automobile), modèle VAR, modèle ARCH (applications aux variables boursières).
Test de Wald, du score, du rapport de vraisemblance.
Régions de confiance asymptotiques.
Choix de modèles (critères de Takeuchi, d'Akaike et de Schwarz). Tests d'hypothèse non emboîtées (Test de Davidson McKinnon).
Introduction à la Statistique Bayésienne
L'enseignement comporte une initiation au logiciel R et une mise en oeuvre de ce logiciel dans diverses applications.
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 | Pôle Emploi | Auto-financement |
---|---|---|---|---|
|
60 heures | 1200 € | 300 € | 300 € |
INFOS
PRATIQUES
60 heures
100% Internet - national
18/10/2021
19/02/2022