Analyse multivariée approfondie
Code UE : STA201
- Cours
- 9 crédits
- Volume horaire de référence
(+ ou - 10%) : 70 heures
Responsable(s)
Ndeye NIANG KEITA
Giorgio RUSSOLILLO
Public, conditions d’accès et prérequis
Etre inscrit en M2 du master Statistique MR123 (ancien MR085) ou du master Actuariat MR126000A (ancien MR088) ou être agréé (niveau requis STA101 et STA102) .
Pour obtenir l'agrément, les auditeurs adresseront par courrier électronique à l'enseignant responsable, Mme Niang (ndeye.niang_keita@cnam.fr ) un CV détaillé et une lettre de motivation indiquant les raisons de la demande et le projet pédagogique dans lequel elle s'inscrit.
Pour obtenir l'agrément, les auditeurs adresseront par courrier électronique à l'enseignant responsable, Mme Niang (ndeye.niang_keita@cnam.fr ) un CV détaillé et une lettre de motivation indiquant les raisons de la demande et le projet pédagogique dans lequel elle s'inscrit.
L'avis des auditeurs
Les dernières réponses à l'enquête d'appréciation pour cet enseignement :
Présence et réussite aux examens
Pour l'année universitaire 2020-2021 :
- Nombre d'inscrits : 93
- Taux de présence à l'évaluation : 65%
- Taux de réussite à l'évaluation : 77%
Objectifs pédagogiques
Approfondir les méthodes statistiques d'analyse exploratoire, de régression et de classification
Contenu
Méthodes d’analyse exploratoire et confirmatoire :
Méthodes de régression
- Analyse factorielle exploratoire et confirmatoire
- Codage optimal
- Positionnement Multidimensionnel
- Classification non supervisée et modèles de mélanges
Méthodes de régression
- Estimation des paramètres par ré-échantillonnage (Bootstrap, Jackknife)
- Multicolinéarité et stabilité des estimations
- Complexité du modèle, trade-off biais-variance et précision des prédictions
- Méthodes de sélection des variables (Best subset regression, méthodes pas à pas)
- Méthodes de régularisation par composantes : Régression sur Composantes Principales, Régression PLS
- Méthodes de régularisation par contraintes : Régression Ridge, LASSO, Elastic Net
- Sélection de modèle par procédures d'apprentissage statistique
- Régression robuste
- Régression non paramétrique
- Régression logistique binaire
- Régression Logistique multinomiale et ordinale
- Analyse factorielle discriminante
- Discrimination sur variables qualitatives
- Analyse discriminante probabiliste Linéaire et Quadratique
- Approche non paramétrique : Méthode des noyaux, Méthode des k plus proches voisins
Modalité d'évaluation
La validation repose sur la réalisation d'une note de lecture d'articles scientifiques ou l'étude d'un jeu de données en utilisant les méthodes vues en cours.
Bibliographie
- G.GOVAERT : Analyse des données ( Hermes,2003)
- M.BARDOS : Analyse discriminante (Dunod,2001)
- J.P.NAKACHE, J.CONFAIS : Statistique explicative appliquée (Technip, 2003)
- G.SAPORTA : Probabilités, analyse des données, statistique 3ème édition (Technip,2010)
- S.TUFFERY : Data mining et statistique décisionnelle, 3ème édition (Technip, 2010)
- T.HASTIE, J.FRIEDMAN, F.TIBSHIRANI : The Elements of Statistical Learning (Springer 2009). Téléchargeable ici : http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html
- K.V. Mardia, J.T. Kent and J.M. Bibby : Multivariate Analysis, Academic Press, 1979
Cette UE apparaît dans les diplômes et certificats suivants
Rechercher une formation
Chargement du résultat...

Intitulé de la formation |
Type |
Modalité(s) |
Lieu(x) |
|
---|---|---|---|---|
Intitulé de la formation
Master Systèmes d'Information et Business Intelligence
|
Lieu(x)
Package
|
Lieu(x)
Paris
|
||
Intitulé de la formation
Diplôme d'ingénieur Spécialité informatique Parcours Informatique modélisation optimisation
|
Type
Diplôme d'ingénieur
|
Lieu(x)
À la carte
|
||
Intitulé de la formation
Diplôme d'ingénieur Spécialité informatique Parcours Informatique modélisation optimisation
|
Type
Diplôme d'ingénieur
|
Lieu(x)
Package
|
Lieu(x)
Grand-Est
|
|
Intitulé de la formation
Master Droit économie et gestion, mention actuariat
|
Lieu(x)
Package
|
Lieu(x)
Paris
|
||
Lieu(x)
À la carte
|
Lieu(x)
Liban, Paris
|
|||
Lieu(x)
À la carte
|
Lieu(x)
Paris
|
|||
Intitulé de la formation | Type | Modalité(s) | Lieu(x) |
Contact
EPN06 Mathématiques et statistiques
2 rue conté Accès 35 3 ème étage porte 19
75003 Paris
Sabine Glodkowski
2 rue conté Accès 35 3 ème étage porte 19
75003 Paris
Sabine Glodkowski
Voir le site
Voir le calendrier, le tarif, les conditions d'accessibilité et les modalités d'inscription dans le(s) centre(s) d'enseignement qui propose(nt) cette formation.
UE
-
-
Paris
-
Centre Cnam Paris
- 2023-2024 1er semestre : Présentiel soir ou samedi
- 2023-2024 2nd semestre : Présentiel soir ou samedi
- 2023-2024 2nd semestre : FOAD 100%
Comment est organisée cette formation ?Organisation de la modalité FOAD 100%
Planning
Aucun planning pour le moment
Précision sur la modalité pédagogique
- Regroupements physiques facultatifs : Aucun
:Organisation du déploiement de l'unité
- Nombre d'élèves maximum à distance par classe : 40
- Délai maximum de réponse à une solicitation : sous 96 heures (Jours ouvrés)
Modes d'animation de la formation
- Forum
- Organisation d'une séance de démarrage
- Evaluation de la satisfaction
- Hot line technique
Ressources mises à disposition sur l'Espace Numérique de Formation
- Documents de cours
- Enregistrement de cours
Activités "jalons" de progression pédagogique prévues sans notation obligatoire à rendre ou en auto-évaluation
- Chaque partie comprend une étude cas
Modalité de contrôle de l'acquisition des compétences et des connaissances (validation de l'UE)
- Projet(s) individuel(s)
- Projet(s) collectif(s)
-
Centre Cnam Paris
-
Paris
Code UE : STA201
- Cours
- 9 crédits
- Volume horaire de référence
(+ ou - 10%) : 70 heures
Responsable(s)
Ndeye NIANG KEITA
Giorgio RUSSOLILLO