2023-2024 / STAT0723-2

Modèles linéaires

Durée

30h Th, 10h Pr, 20h TD

Nombre de crédits

 Master en sciences mathématiques, à finalité (années paires, pas organisé en 2023-2024) 8 crédits 
 Master en sciences mathématiques (années paires, pas organisé en 2023-2024) 8 crédits 

Enseignant

Gentiane Haesbroeck

Langue(s) de l'unité d'enseignement

Langue française

Organisation et évaluation

Enseignement au deuxième quadrimestre

Horaire

Horaire en ligne

Unités d'enseignement prérequises et corequises

Les unités prérequises ou corequises sont présentées au sein de chaque programme

Contenus de l'unité d'enseignement

Le cours présente en détail les modèles linéaires (régression linéaire multiple et ANOVA), et aborde leurs extensions à des modèles plus généraux. En fonction du temps disponible, des modèles utilisés dans des contextes plus spécifiques pourraient être considérés (ex: modèles de survie, régression quantile).

Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement

L'étudiant sera capable d'ajuster, de valider et d'interpréter un modèle de régression linéaire multiple et un modèle d'analyse de la variance. Il·elle sera capable de reconnaitre les situations où les hypothèses d'application de ces modèles ne sont pas satisfaites.

Savoirs et compétences prérequis

- Cours de bachelier en probabilités et statistiques.
- Cours d'algèbre linéaire. 
- Base de l'utilisation du logiciel R

Activités d'apprentissage prévues et méthodes d'enseignement

Les activités d'apprentissage correspondent à des séances ex-cathedra de théorie, des séances personnelles de résolution d'exercices et des analyses de données à réaliser avec le logiciel R. 

 

Mode d'enseignement (présentiel, à distance, hybride)

Combinaison d'activités d'apprentissage en présentiel et en distanciel


Explications complémentaires:

ATTENTION: ce cours n'est organisée qu'un an sur deux (voir la section "remarques organisationnelles")! 



L'organisation du cours dépend du nombre d'inscrits.

S'il y a au moins trois étudiants inscrits, le cours théorique se donnera en présentiel selon l'horaire officiel sur Celcat.

Si le nombre d'étudiants est inférieur à 3, le cours théorique se donnera via des lectures à domicile (lecture de chapitres de livres ou autres documents) complétées par une discussion collégiale hebdomadaire (en présentiel ou à distance) sur la matière lue.

Dans tous les cas, les exercices devront être résolus à domicile et les résolutions ou problèmes rencontrés seront discutés en présentiel lors d'un cours théorique ou d'une séance de travaux pratiques.

Des séances de travaux pratiques (analyse de données à l'aide du logiciel R) seront également organisées en présentiel.

Lectures recommandées ou obligatoires et notes de cours

Les transparents utilisés pendant le cours théorique seront mis en ligne sur eCampus à l'avance et pour chaque chapitre du cours, des références seront précisées. Pour certaines matières, des notes de cours partielles seront disponibles.

 



 

Modalités d'évaluation et critères

Examen(s) en session

Toutes sessions confondues

- En présentiel

évaluation écrite ( questions ouvertes )

Travail à rendre - rapport


Explications complémentaires:

La cote finale sera basée sur deux parties:

- Un examen écrit (théorie et des exercices)

- Un projet personnel d'analyse de données (rédaction d'un rapport et défense orale le jour de l'examen).

 

Stage(s)

Remarques organisationnelles et modifications principales apportées au cours

Le cours est organisé seulement les années paires (22-23, 24-25,...). Il n'est donc pas organisé en 2023-2024. 

Il n'y a pas d'assistant associé à ce cours.

Contacts

G. Haesbroeck: G.Haesbroeck@uliege.be
 

Association d'un ou plusieurs MOOCs