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 :

  Formation ouverte et à distance (FOAD)

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)

Description des modalités de validation

L'évaluation se fera uniquement sous la forme de projets consistant en l'application des différentes méthodes de modélisation sur des données réelles. Cette évaluation sur projet sera complétée par une présentation orale.

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
 
60 heures 1200 € 350 € 350 €

Indexation officielle

FORMACODES

[C0A1B0A5A0] statistique inférentielle - [C0A1B0A5] théorie probabilités - [C0A1B0] statistique - [C0A1] mathématiques - [C0] sciences

[M0A2A2A1] méthode analyse - [M0A2A2] analyse programmation - [M0A2] informatique - [M0] information

communication

Mots clés

Application statistique, Statistique inférentielle, Estimation non paramétrique, Modèle linéaire, Modèle linéaire généralisé, Modélisation statistique, Régression linéaire, Régression logistique

Indicateurs de résultat

En savoir plus

Dernière mise à jour : 01/09/2024

INFOS
PRATIQUES

Durée

60 heures

Modalité

Formation ouverte et à distance (FOAD) 

Date de début des cours

17/02/2025

Date de fin des cours

21/06/2025

Accessibilité handicap

En savoir plus

Comment s’inscrire ?

En savoir plus