Enseignement/Teaching  (2019-2020)

• L2 : Statistique en économie. Les tables statistiques se trouvent ici. Examen 2016, partiel 2017.
  
• L2 : Statistique pour les psychologues. Le cours et les TD se trouvent ici.


• M1 : Geostatistics (Master DASEE) : notions on random fields, parametric models for semi variograms, ordinary kriging, kriging with external drift. Practice with the R language on real data examples.
• M1 : Statistique inférentielle (Master MIGS & Maths approfondies). Correction TP1 et TP2. Cours d'introduction à R. Partiel 2014, Examen 2014, Partiel 2015, Examen 2015.
• Construction d'estimateurs (méthode des moments, maximum de vraisemblance), propriétés de convergence et borne de Cramer-Rao. Construction d'intervalles de confiance. Théorie des tests d'hypothèse (rapport de vraisemblance).
• M1 : Analyse des données (Master MIGS).
• Rappels d'algèbre linéaire et de géométrie euclidienne, régression linéaire multiple, analyse en composantes principales, classification supervisée (analyse discriminante géométrique, décisionnelle linéaire et quadratique), clustering (k-means, algorithme de ward). Examen Janvier 2019.
• M2 : Modélisation statistique (Master MIGS).
• compléments sur la régression linéaire multiple (sélection de modèles, points influents, krigeage avec dérive), modèles linéaires généralisés (regression logistique, probit, modèle log-linéaire, ...), estimation nonparamétrique (estimateur à noyau de la densité et de la régression, splines de régression, modèles additifs et additifs généralisés). Examen Janvier 2019.
• M2 : Statistique pour les "Big Data" (Master MIGS).
• Régression en grande dimension. Régression et classification supervisée et non supervisée en ligne (streaming data). Examen Février 2019.
• Formation Doctorale de l'Université de Bourgogne : Modélisation statistique et analyse des données : une introduction.