Descriptif
L'objectif de ce cours est de montrer aux étudiants comment les statistiques sont utilisées dans la pratique pour répondre à une question précise, en introduisant une série d'approches importantes basées sur des modèles.
Les étudiants apprendront à sélectionner et utiliser les méthodologies stratégiques appropriées et à aquérir des compétences solides et pratiques à l'aide d'exemples concrets d'ensembles de données réelles issus de différents domaines y compris, entre autres, de la médecine, génomique, écologie.
Toutes les analyses seront réalisées sur un logiciel R. Des connaissances en programmation R ne sont pas requises (seulement en script de base).
Evaluation : 1 ou 2 projects de groupe + 1 rapport de PC + un examen final
Langue du cours : Français
effectifs minimal / maximal:
/80Diplôme(s) concerné(s)
- Programmes d'échange internationaux
- M1 Data AI - Data and Artificial Intelligence
- M1 Mécanique
- M1 Innovation, Entreprise et Société
- MScT-Artificial Intelligence and Advanced Visual Computing
- Titre d’Ingénieur diplômé de l’École polytechnique
Parcours de rattachement
- M1 Data AI - Data and Artificial Intelligence - Master 1A
- MScT AI-ViC - Semestre 2
- PA-Panaché P2
- PA - Innovation Technologique
Objectifs de développement durable
ODD 7 Energie propre et d’un coût abordable.Format des notes
Numérique sur 20Littérale/grade réduitPour les étudiants du diplôme M1 Innovation, Entreprise et Société
L'UE est acquise si Note finale >= 10Pour les étudiants du diplôme M1 Mécanique
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 3 ECTS
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 Titre d’Ingénieur diplômé de l’École polytechnique
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme MScT-Artificial Intelligence and Advanced Visual Computing
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 4 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Programmes d'échange internationaux
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
Programme détaillé
- Tests statistiques (x2)
- Comparaison de deux populations
- Analyses de pouvoir
- Tests multiples
- Modèles de regression (x2)
- Modèle de régression linéaire et non linéaire
- Modèles de régression linéaire
- Inférence diagnostique, Comparaison de modèles
- Modèles à effets mixtes (x2)
- Modèles à effets mixtes linéaires
- Modèles à effets mixtes non linéaires
- Densités mélanges et groupement basé sur des modèles (x3)
- Modèle de mélange gaussien pour groupement de données
- Modèles de blocs stochastiques pour groupement de graphes
- Algortihme espérence-maximisation (des variations)