Statistique 2
- Méthode d'enseignement : En présence
- Code : N8EN07B
En bref
Objectifs
Ce cours traite du modèle linéaire gaussien et de ses applications. Il constitue également une introduction aux modèles linéaires généralisés, et plus particulièrement à la régression logistique. La compréhension de ces modèles linéaires est une base indispensable pour aborder par la suite les méthodes plus modernes mises en oeuvre en big data. Des algorithmes de sélection automatique des prédicteurs seront exploités en TP sous R et une procédure d'évaluation des modèles élaborés sera détaillée.
Bibliographie
Régression avec R, Cornillon & Matzner-Lober, Springer
An R companion to applied regression, Fox & Weisberg, Sage
Pré-requis nécessaires
Cours introductif de statistique et de la théorie des probabilité (variable/vecteur aléatoire, vecteur Gaussien),
Session 1 ou session unique - Contrôle des connaissances
| Modalité | Nature | Coefficient | Remarques |
|---|---|---|---|
| CT (contrôle terminal) | Oral/Ecrit | 50% | Examen Statistique 2 |
| CC (contrôle continu) | Travaux Pratiques | 50% | TP-Stattistique 2 |
Session 2 - Contrôle des connaissances
| Modalité | Nature | Coefficient | Remarques |
|---|---|---|---|
| CT (contrôle terminal) | Oral/Ecrit | 50% | Examen Statistique 2 |
| CC (contrôle continu) | Travaux Pratiques | 50% | TP-Stattistique 2 |
Lieu(x)
- Toulouse
