M1 : TD/TP Statistique inférentielle (Master
MIGS et PMG).
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 : CM/TD/TP Analyse des Données - Introduction au Machine Learning (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).
compléments sur la régression linéaire multiple (sélection de
modèles, points influents), analyse de la variance, modèles linéaires
généralisés (régression logistique, probit, modèle log-linéaire), modèles non linéaires, estimation nonparamétrique (estimateur à noyau de la densité
et de la régression, splines de régression, modèles additifs et
additifs généralisés).