Données catégorielles

Code UE : STA212

  • Cours
  • 9 crédits

Responsable national

Responsable opérationnel

Public et conditions d'accès

Ce cours s'adresse en priorité aux auditeurs préparant le master MR0085.
Il s'adresse également à des auditeurs préparant le diplôme d'actuaire.
Niveau requis: STA102 (régression et analyse de la variance) et STA104 (statistique mathématique).

Objectifs pédagogiques

Permettre aux ingénieurs, cadres d'entreprises ou d'administrations, médecins, chercheurs, de construire des modèles explicatifs de variables qualitatives. Le cours s'appuie sur la pratique du logiciel SAS, mis à disposition des auditeurs.

Compétences visées

Constructions de modèles à réponse qualitative.
Création de scores

Contenu

Présentation des méthodes statistiques traitant des variables qualitatives
Principes généraux d'estimation d'un modèle (maximum de vraisemblance)

La régression logistique simple
Notion de variable latente
Les modèles PROBIT, LOGIT
Le modèle logistique et son interprétation
Analyse des résidus, des observations

La régression logistique multiple
Le modèle : prédicteurs quantitatifs ou qualitatifs
Sélection de variables
Résumé des tests de validité générale d'un modèle
Tables de classement, courbe ROC
Interprétation des coefficients de la régression logistique : odds ratio
La régression logistique dans le cas où Y est une variable polytomique ordonnée
Aspects pratiques de la mise en oeuvre des méthodes de régression logistique
La procédure LOGISTIC

Présentation des modèles linéaires généralisés et de la procédure GENMOD
Régression de Poisson
Etude de contrastes

Modélisation d'une réponse multinomiale
Estimation par maximum de vraisemblance ou par moindres carrés généralisés
Etude de cas avec la procédure CATMOD

Comparaison de la régression logistique avec d'autres méthodes de modélisation d'une réponse qualitative
Analyse discriminante sur variables quantitatives et qualitatives
Arbres de décision
Eléments pratiques de création d'un score 
 
Méthodes PLS
Présentation de NIPALS, PLS1,PLS2
Applications: régression logistique PLS, analyse discriminante PLS
Modèles linéaires généralisés PLS

Modalité d'évaluation

Rédaction d'un mémoire utilisant les méthodes présentées en cours

Bibliographie

  • HOSMER D., LEMESHOW S. : Applied logistic regression 2ième édition (Wiley, 2000)
  • NAKACHE J.P., CONFAIS J. : Statistique explicative appliquée (Technip, 2003)
  • Editeurs DROESBEKE, LEJEUNE, SAPORTA : Modèles statistiques pour données qualitatives (Technip 2005)
  • STOKES M.E., DAVIS C.S. & KOCH G.G. : Categorical Data Analysis using the SAS System (SAS Institute Inc, Cary, NC, 2000)
  • BARDOS M. : Analyse discriminante (Dunod, 2001)
  • AGRESTI A. : Categorical data analysis 2ième édition (Wiley, 2002)

Cette UE apparaît dans les diplômes et certificats suivants

Chargement du résultat...
Patientez
Type
Intitulé
Equipe pédagogique
Lieu / Modalités
Code
Equipe pédagogique Informatique
Lieu / Modalités
  • Enseignée en formation présentielle ou partiellement à distance : Paris
  • Equipe pédagogique Mathématique et statistique
    Lieu / Modalités
  • Enseignée en formation présentielle ou partiellement à distance : Liban, Paris
  • Equipe pédagogique Mathématique et statistique
    Lieu / Modalités
  • Enseignée en formation présentielle ou partiellement à distance : Paris
  • Equipe pédagogique Mathématique et statistique
    Lieu / Modalités
  • Enseignée en formation présentielle ou partiellement à distance : Paris
  • Type Intitulé Equipe pédagogique Lieu / Modalités Code

    Contact

    Service de modélisation statistique du risque et statistique appliquée
    Case 2D5000, Accés 17 0 12, 292 Rue Saint Martin
    75003 Paris
    Tel :01 40 27 27 54
    Sabine Glodkowski
    Voir les sites

    Voir les dates et horaires, les lieux d'enseignement et les modes d'inscription sur les sites internet des centres régionaux qui proposent cette formation

    UE

      • Paris
        • Paris
          • 2016-2017 2nd semestre : Présentiel