v2.11.0 (5380)

PA - C5 - MAP566 : Statistics in Action

Domaine > Mathématiques appliquées.

Descriptif

The objective of this course is to show students how statistics is used in practice to answer a specific question, by introducing a series of important model-based approaches.

The students will learn to select and use appropriate statistical methodologies and acquire solid and practical skills by working-out examples on real-world data sets from various areas including medicine, genomics, ecology, and others.

All analyses will be conducted with the R software, possibly with interfacing to Python. No strong knwoledge neither of R nor Python programming is required (only basic scripting).

Course Evaluation: 2 individual homework assignements + a final exam/project

Course Language: French with all material in English

Website:  https://jchiquet.github.io/MAP566/

Syllabus

  1. Statistical tests (x1.5)

    • Two-populations comparison
    • Power analysis
    • Multiple Testing
  2. Regression models (x1.5)

    • Linear and Non Linear Regression models
    • Nonlinear regression models
    • Inference Diagnostic, Model comparison
  3. Mixed effects models (x2)

    • Linear mixed effects models
    • Nonlinear mixed effects models
  4. Mixture models and model-based clustering (x2)

    • Gaussian mixture models for data clustering
    • Stochastic Block Models for graph clustering
    • (Variational) EM algorithm
  5. Model-based Dimension Reduction (x2)

    • Multivariate Gaussian model
    • Probabilistic Gaussian PCA
    • Generalized mixed effect models

Langue du cours : Français

Credits ECTS : 4

Format des notes

Numérique sur 20

Littérale/grade réduit

Pour les étudiants du diplôme M1 Data AI - Data and Artificial Intelligence

Le rattrapage est autorisé (Max entre les deux notes)

    Pour les étudiants du diplôme Diplôme d'ingénieur de l'Ecole polytechnique

    Le rattrapage est autorisé (Note de rattrapage conservée)
      L'UE est acquise si note finale transposée >= C
      • Crédits ECTS acquis : 5 ECTS

      La note obtenue rentre dans le calcul de votre GPA.

      Pour les étudiants du diplôme Artificial Intelligence and Advanced Visual Computing

      Le rattrapage est autorisé (Note de rattrapage conservée)
        L'UE est acquise si note finale transposée >= C
        • Crédits ECTS acquis : 4 ECTS

        La note obtenue rentre dans le calcul de votre GPA.

        Pour les étudiants du diplôme Echanges PEI

        Le rattrapage est autorisé (Note de rattrapage conservée)
          L'UE est acquise si note finale transposée >= C
          • Crédits ECTS acquis : 5 ECTS

          Pour les étudiants du diplôme M1 Innovation, Entreprise, et Société - Voie Innovation technologique

          Le rattrapage est autorisé (Note de rattrapage conservée)
            L'UE est acquise si note finale transposée >= C
            • Crédits ECTS acquis : 5 ECTS

            Pour les étudiants du diplôme M1 - Mechanics

            Le rattrapage est autorisé (Note de rattrapage conservée)
              L'UE est acquise si note finale transposée >= C
              • Crédits ECTS acquis : 3 ECTS

              Pour les étudiants du diplôme M1 - Applied Mathematics and statistics

              Le rattrapage est autorisé (Note de rattrapage conservée)
                L'UE est acquise si note finale transposée >= C
                • Crédits ECTS acquis : 5 ECTS

                Pour les étudiants du diplôme Non Diplomant

                Le rattrapage est autorisé (Note de rattrapage conservée)
                  L'UE est acquise si note finale transposée >= C
                  • Crédits ECTS acquis : 5 ECTS
                  Veuillez patienter