Méthodes non paramétriques

1. Tests non paramétriques pour des problèmes de position

2. Régression non linéaire

3. Estimation d'une fonction de densité par noyau

4. Régression non paramétrique

5. Régression par splines

6. Introduction aux simulations de Monte-Carlo

7. Introduction au bootstrap

Introduire différentes méthodes non paramétriques de la statistique inférentielle. Initier les étudiants à l'application pratique de ces méthodes, avec le logiciel R.

Connaissances et compétences pré-requises ou co-requises

• Avoir une bonne maîtrise des principes de base de l'estimation ponctuelle et par intervalle de confiance, ainsi que des tests d'hypothèses.
• Être déjà familiarisé avec l'utilisation du logiciel R. 

• Cours magistral hebdomadaire (2h) destiné à exposer la matière aux étudiants.
• Il n'y a pas de séances d'exercices organisées pour le cours STAT-F-427. Toutefois, à la fin de chaque chapitre, les étudiants sont invités à mettre en œuvre, avec le logiciel R, les méthodes qu'ils ont découvertes sur différents jeux de données (exercices) ; ils doivent remettre à l'enseignant un court rapport reprenant la syntaxe R qu'ils ont utilisée, les résultats fournis par R et leur interprétation/analyse de ceux-ci, afin que l'enseignant puisse corriger leurs résolutions des exercices.

Contribution au profil d'enseignement

1. Constituer, développer et entretenir des connaissances dans différents domaines de statistique

2. Résoudre des problèmes en acteur scientifique

3. Concevoir et mettre en oeuvre de manière autonome des projets de recherche scientifique

Références, bibliographie et lectures recommandées

Une liste de références bibliographiques est donnée dans les notes de cours à la fin de chaque chapitre.

Support(s) de cours

• Université virtuelle

Contacts

Titulaire du cours: VERMANDELE Catherine - Catherine.Vermandele@ulb.be

Campus

Solbosch

Méthode(s) d'évaluation

• Travail pratique
• Examen oral

Travail pratique

Examen oral

• Examen avec préparation

• Question ouverte à développement long

• Correction régulière par l'enseignant des rapports d'exercices soumis par les étudiants, de manière à ce que l'enseignant puisse vérifier que chaque étudiant est à même d'appliquer correctement les méthodes statistiques enseignées dans le cours et d'interpréter de manière pertinente et critique les résultats obtenus.

• Examen oral portant sur la partie théorique du cours et qui doit permettre à l'enseignant de vérifier que l'étudiant a acquis une bonne compréhension des méthodes statistiques enseignées dans le cours et qu'il est capable de présenter les principes et caractéristiques de ces méthodes de manière claire et rigoureuse. Au début de l'examen, l'enseignant précise à l'étudiant quelles sont les méthodes ou résultats qu'il va devoir exposer ; l'étudiant dispose ensuite d'une vingtaine de minutes pour se préparer et a le droit de consulter ses notes de cours durant cette préparation.

Construction de la note (en ce compris, la pondération des notes partielles)

La note finale est construite sur la base de l'examen oral (15 points sur 20) et de la résolution des exercices proposés pour les différents chapitres (5 points sur 20).

Langue(s) d'évaluation

• français
• (éventuellement anglais )