|
|
STA212 - Données catégorielles [ 9 crédits ]
| Public Concerné |
Etre inscrit en M2 du master STIC MR008 Statistique ou être agréé - niveau requis STA. 102 (analyse des données, méthodes explicatives) et STA. 104 (statistique mathématique). Ce cours s'adresse également à des auditeurs préparant le diplôme d'actuaire.
Les élèves qui ne sont pas inscrits en master doivent obtenir un agrément. En vue d'obtenir cet agrèment, les auditeurs adresseront les pièces suivantes à la chaire de Statistique Appliquée :
- CV détaillé (indiquant les notes obtenues en cours de probabilités, statistique)
- lettre de motivation indiquant les raisons de la demande et le projet pédagogique dans lequel elle s'inscrit.
Expédier votre courrier à :
Cnam : P. L. Gonzalez, Chaire de Statistique appliquée (case 441)
292, rue Saint-Martin
75141 Paris cedex 03
|
Organisation |
| 9 Crédits |
Contenu de la formation |
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
Eléments pratiques de création d'un score à l'aide d'une régression logistique
La procédure LOGISTIC
Présentation des modèles linéaires généralisés et de la procédure GENMOD
Régression de Poisson
Etude de contrastes
Modélisation d'une réponse multinomiale
Estimation par maximum de vraisemblance ou par moindres carrés généralisés
Etude de cas avec la procédure CATMOD
Regression logistique PLS et Analyse discriminante PLS
Analyse de données de survie
Les concepts de base
Estimation et comparaison de courbes de survie ( procédure LIFETEST)
Estimation de modèles paramétriques (procédure LIFEREG)
Modèles de régression de Cox ( procédure PHREG)
Analyse de données discrètes avec le modèle logit |
|
|
|
