Données catégorielles

Code
STA212
Domaine
Modélisation ingénierie mathématiques &t statistique

Description

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

Modélisation d'une réponse multinomiale
Estimation par maximum de vraisemblance ou par moindres carrés généralisés

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
 

Finalité

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 R.

Description des modalités d'évaluation

Rédaction d'un mémoire utilisant les méthodes présentées en cours

Public

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 : STA101 (méthodes exploratoires multidimensionnelles), STA102 (régression et analyse de la variance) et STA104 (statistique mathématique).

Nombre d’ECTS
9
Durée en nombre d'heures
90.00
Type de notation
Notation chiffrée (sur 20)
Moyenne pour valider l'UE
10.00
Modalité(s) d'évaluation
Projet(s)
Année de création
2017
Date de fin de validité
Déployabilité
Offre déployable dans le réseau en cas d'agrément
Examen national
Oui

Modalités et délais d'accès

Contactez-nous pour avoir plus d'informations concernant la formation qui vous intéresse.
En savoir plus sur nos modalités et délais d'accès

Équivalences, passerelles & suite de parcours

En savoir plus sur les équivalences, passerelles & suite de parcours

Financez votre formation
Tarifs et modes de financement
Statistiques
Accessibilité handicap
Bibliographie
  • HOSMER D., LEMESHOW S. : Applied logistic regression 2ième édition (Wiley, 2000)
  • NAKACHE J.P., CONFAIS J. : Statistique explicative appliquée (Technip, 2003)
  • Editeurs DROESBEKE, LEJEUNE, SAPORTA; Auteurs: CROUX, GONZALEZ.... : Modèles statistiques pour données qualitatives (Technip 2005)
  • STOKES M.E., DAVIS C.S. & KOCH G.G. : Categorical Data Analysis using the SAS System (SAS Institute Inc, Cary, NC, 2000)
  • BARDOS M. : Analyse discriminante (Dunod, 2001)
  • AGRESTI A. : Categorical data analysis 2ième édition (Wiley, 2002)
Diplômes dans lesquels apparaît cette UE
Blocs de compétences

Cette unité fait partie du/des bloc(s) de compétences suivant(s).

Contactez-nous au sujet de cette unité