小瓢虫传媒

Enseignants

Hafner Christian;

Langue
d'enseignement

Anglais
> Facilit茅s pour suivre le cours en fran莽ais

笔谤茅补濒补产濒别蝉

Anglais au niveau moyen et concepts et outils 茅quivalents 脿 ceux enseign茅s dans l'UE LSTAT2014 : El茅ments de probabilit茅s et de statistique math茅matique

Th猫mes abord茅s

Introduction au mod猫le lin茅aire g茅n茅ral, la r茅gression multiple et l'analyse de la variance.

Acquis
d'apprentissage

A la fin de cette unit茅 d鈥檈nseignement, l鈥櫭﹖udiant est capable de :
1	A. Eu 茅gard au r茅f茅rentiel AA du programme de master en statistique, orientation g茅n茅rale, cette activit茅 contribue au d茅veloppement et 脿 l'acquisition des AA suivants : de mani猫re prioritaire : 1.3, 2.1, 2.2, 2.3, 2.4, 2.5, 3.2, 3.3 de mani猫re secondaire : 1.1, 1.2, 1.5, 2.6, 3.1, 3.4, 4.1, 5.5, 6.3, 6.4 Eu 茅gard au r茅f茅rentiel AA du programme de master en statistique, orientation biostatistique, cette activit茅 contribue au d茅veloppement et 脿 l'acquisition des AA suivants : de mani猫re prioritaire : 1.3, 2.1, 2.2, 2.3, 2.4, 2.5, 3.2, 3.3, 6.3, 6.4 de mani猫re secondaire : 1.1, 1.2, 1.5, 2.6, 3.1, 4.1, 5.6 B. Formulation sp茅cifique pour cette activit茅 des AA du programme A l'issue de ce cours, l'茅tudiant ma卯trisera le probl猫me de sp茅cification,聽 validation et interpr茅tation de mod猫les lin茅aires classiques. Il sera capable d'analyser des donn茅es r茅elles et en appliquer les m茅thodes de mod茅lisation 脿 l'aide d'un logiciel statistique.

Contenu

• The model, specification and interpretation
  2 Estimation and geometry
  3 Statistical properties of OLS
  4 Maximum likelihood estimator
  5 Inference and hypothesis tests
  6 Multicollinearity
  7 Discrete variables and Analysis of Variance
  8 Variable selection
  9 Heteroskedasticity, autocorrelation
  10 Diagnostics (outliers, influential observations)
  11 Panel data

M茅thodes d'enseignement

Le cours comprend des expos茅s magistraux, qui fournissent le mat茅riel th茅orique ainsi que de nombreux exemples pratiques, et des exercices sur ordinateur qui aident 脿 impl茅menter les m茅thodes dans un langage de programmation statistique commun, et travailler sur un projet personnel sur ordinateur.

Modes d'茅valuation
des acquis des 茅tudiants

Un examen 茅crit (60%) et un travail sur ordinateur qui consiste en une analyse de donn茅es r茅elles (40%).

Bibliographie

Kutner, Nachtsheim, Neter and Wasserman, Applied Linear
Statistical Models, McGraw-Hill, Fifth edition (2005)
Davidson and McKinnon, Econometric Theory and
Methods, Oxford University Press (2004)
other references will be given in class.

Support de cours

• mat茅riel sur moodle

Facult茅 ou entit茅
en charge

LSBA