0972 311 312 (prix appel local)

Modélisation statistique (STA110)

Objectifs

Maîtriser les outils de la modélisation statistique (sélection de modèles, validation, interprétation) dans un contexte général (données continues, discrètes, qualitatives, mixtes) via l'utilisation de méthodes paramétriques (modèles linéaires et modèle linéaire généralisé) ou non-paramétriques. Acquérir des connaissances ainsi qu'un savoir-faire dont l'objectif est de traiter un problème concret par une approche...En lire plus

Compétences

Statisticien modélisateur

Légende :

  100% Internet - national

Condition d'accès / publics visés

Avoir le niveau de l'unité d'enseignement : STA. 103 (calcul des probabilités) et STA001 (Techniques de la statistique)

Objectifs pédagogiques

Maîtriser les outils de la modélisation statistique (sélection de modèles, validation, interprétation) dans un contexte général (données continues, discrètes, qualitatives, mixtes) via l'utilisation de méthodes paramétriques (modèles linéaires et modèle linéaire généralisé) ou non-paramétriques.

Acquérir des connaissances ainsi qu'un savoir-faire dont l'objectif est de traiter un problème concret par une approche de modélisation (applications à des données réelles).

Mettre en œuvre cette modélisation à l'aide d'un logiciel de modélisation statistique avancé (logiciel R) et savoir interpréter les résultats obtenus.

Compétences visées

Statisticien modélisateur

Niveau

Niveau 6 (Bac+3 et Bac+4)

Contenu de la formation

I) Méthodes paramétriques

Régression linéaire simple et multiple : modèle, moindres carrés, estimations, intervalles de confiance, tests, colinéarité, sélection de variables, validation, prédiction, interprétation. Recherche de points (aberrants, influents, atypiques et de points leviers).

Analyse de la Variance : à 1 facteur (mesures indépendantes, répétées) et à 2 facteurs (mesures indépendantes)  

Analyse de la Covariance (modèles, comparaison à la régression linéaire et à l'anova à 1 facteur à mesures indépendantes, paradoxe de Lord)

Régression logistique : modèle probit et logit, estimations, tests, sélection de modèles, validation, prédiction.

Modèle linéaire généralisé (regression de Poisson, modèle polytomique)

Introduction à la modélisation Bayésienne
Introduction à l'analyse de séries temporelles


II) Méthodes non-paramétriques

Régression spline

Estimateurs par moyennes locales (estimateurs à noyau)

Régression polynomiale locale

 

L'enseignement comporte une initiation au logiciel R et une mise en oeuvre de ce logiciel dans diverses applications.

Modalités de validation

Projet(s)

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 Pôle Emploi Auto-financement
 
60 heures 1200 € 300 € 300 €
Indicateurs de résultat

En savoir plus

INFOS
PRATIQUES

Durée

60 heures

Modalité

100% Internet - national  

Date de début des cours

18/10/2021

Date de fin des cours

19/02/2022

Accessibilité handicap

En savoir plus