Module Math3-Stat4 : Modèles linéaires
Table of Contents
- 1. Prérequis
- 2. Objectif d'apprentissage
- 3. Descriptions des enseignements
- 3.1. Chapitre 1 : Observations de plusieurs variables couplées (1cc + 1td)
- 3.2. Chapitre 2 : Présentation du modèle linéaire gaussien (2cc + 1td)
- 3.3. Chapitre 3 : Tests d'hypothèses et choix de modèles (1cc + 1td + 1tp)
- 3.4. Chapitre 4 : Régression linéaire (2cc + 2td + 1tp)
- 3.5. Chapitre 5 : Analyse de variance (2cc + 2td + 1tp)
- 3.6. Chapitre 6 : Analyse de covariance (1cc + 1td + 1tp)
- 3.7. Chapitre 7 : Plans d'expérience (1cc + 1tp)
- 4. Références
1 Prérequis
Modules Math3-Prob2
2 Objectif d'apprentissage
Maîtrise des modèles linéaires gaussiens : Régression linéaire multiple, analyse de variance, analyse de covariance.
Variable alétoire discrète et continue (loi, espérance, variance) ; Convergence en probabilité et convergence en loi ; Loi des grands nombres et théorème central limite ; Vraisemblance, estimation et estimateur ; Intervalles de confiance ; Tests bivariés.
3 Descriptions des enseignements
3.1 Chapitre 1 : Observations de plusieurs variables couplées (1cc + 1td)
- Vision matricielle des données. Définition de la covariance et de la corrélation linéaire. Matrices de covariance et de corrélation : montrer qu'elles sont symétriques et définies positives.
- Notion de distance issue d'un produit scalaire dans un espace euclidien.
- Définitions standard de l'inertie standard et générale.
3.2 Chapitre 2 : Présentation du modèle linéaire gaussien (2cc + 1td)
- Ecriture générale du modèle statistique linéaire, hypothèse gaussienne, méthodes d'estimations (moindres carrés, maximum de vraisemblance), décomposition de la variance.
3.3 Chapitre 3 : Tests d'hypothèses et choix de modèles (1cc + 1td + 1tp)
- Hypothèses testées, notion de modèles emboîtés, test de Fisher-Snédécor, test de Student, critères de choix de modèles basés sur l'ajustement (AIC, BIC).
3.4 Chapitre 4 : Régression linéaire (2cc + 2td + 1tp)
- Régression linéaire simple et multiple, propriétés, intervalles de prédiction, sélection de variables : critères et démarches, validation et qualité d'ajustement du modèle, problème de multicolinéarité entre variables explicatives.
3.5 Chapitre 5 : Analyse de variance (2cc + 2td + 1tp)
- Analyse de variance à un facteur, à 2 facteurs avec interaction. Ecriture du modèle selon différentes paramétrisations. Tests d'hypothèses. Comparaisons multiples (Bonferroni). Diagrammes d'interactions.
3.6 Chapitre 6 : Analyse de covariance (1cc + 1td + 1tp)
- Ecriture du modèle selon différentes paramétrisations. Tests d'hypothèses.
3.7 Chapitre 7 : Plans d'expérience (1cc + 1tp)
- Bases de la théorie des plans d'expérience dans les modèles linéaires.
4 Références
- http://wikistat.fr
- Le modèle linéaire par l'exemple - 2e éd. - Régression, analyse de la variance et plans d'expérience. Jean-Marc Azaïs et Jean-Marc Bardet