v2.11.0 (5518)

Programme d'approfondissement - APM_52066_EP : Statistique en Action

Domaine > Mathématiques appliquées.

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).

 

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

Evaluation : 1 ou 2  projects de groupe + 1 rapport de PC + un examen final
Langue du cours : Français

Format des notes

Numérique sur 20

Littérale/grade réduit

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

Pour les étudiants du diplôme Programmes d'échange internationaux

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 MScT-Artificial Intelligence and Advanced Visual Computing

    Le rattrapage est autorisé (Note de rattrapage conservée)
      L'UE est acquise si Note finale >= 10
      • Crédits ECTS acquis : 4.5 ECTS

      La note obtenue rentre dans le calcul de votre GPA.

      Pour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École 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 M1 DataAI - Données et intelligence artificielle

        Le rattrapage est autorisé (Max entre les deux notes)

          Pour les étudiants du diplôme M1 Mech - Mécanique

          Programme détaillé

          1. Tests statistiques (x2)
            • Comparaison de deux populations
            • Analyses de pouvoir
            • Tests multiples
          2. Modèles de regression (x2)
            • Modèle de régression linéaire et non linéaire
            • Modèles de régression linéaire
            • Inférence diagnostique, Comparaison de modèles
          3. Modèles à effets mixtes (x2)
            • Modèles à effets mixtes linéaires
            • Modèles à effets mixtes non linéaires
          4. 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)
          Veuillez patienter