🟥 𝓢𝓽𝓪𝓽𝓲𝓼𝓽𝓲𝓺𝓾𝓮𝓼 𝓐𝓿𝓪𝓷𝓬é𝓮𝓼 : 𝓵𝓮𝓼 𝓟𝓲𝓵𝓲𝓮𝓻𝓼 𝓭𝓮 𝓵’𝓐𝓷𝓪𝓵𝔂𝓼𝓮 𝓜𝓸𝓭𝓮𝓻𝓷𝓮 🟥
Les 𝓼𝓽𝓪𝓽𝓲𝓼𝓽𝓲𝓺𝓾𝓮𝓼 𝓪𝓿𝓪𝓷𝓬é𝓮𝓼 vont bien au-delà des bases (moyenne, médiane, écart-type, tests t ou khi-deux).
Elles permettent de modéliser, prédire et extraire des informations
complexes à partir de données réelles.
𝙐𝙣 𝙡𝙞𝙠𝙚 𝙚𝙩 𝙪𝙣 𝙋𝙖𝙧𝙩𝙖𝙜𝙚 de ce post
avant d'aller plus loin nous feront plaisir.
🔹 𝓟𝓻𝓸𝓫𝓪𝓫𝓲𝓵𝓲𝓽é𝓼
𝓮𝓽 𝓓𝓲𝓼𝓽𝓻𝓲𝓫𝓾𝓽𝓲𝓸𝓷𝓼
- Lois multivariées (normale, Student)
- Probabilité
bayésienne et analyses a priori/postérieure
- Chaînes
de Markov et processus stochastiques
🔹 𝓔𝓼𝓽𝓲𝓶𝓪𝓽𝓲𝓸𝓷 𝓮𝓽
𝓣𝓮𝓼𝓽𝓼 𝓭’𝓱𝔂𝓹𝓸𝓽𝓱è𝓼𝓮
- Maximum de vraisemblance (MLE)
- Estimation bayésienne
- Tests de rapport de vraisemblance
- Méthodes
non paramétriques (Mann–Whitney, Kruskal–Wallis)
🔹 𝓡é𝓰𝓻𝓮𝓼𝓼𝓲𝓸𝓷 𝓮𝓽
𝓜𝓸𝓭é𝓵𝓲𝓼𝓪𝓽𝓲𝓸𝓷
- Régressions multiples et polynomiales
- Régression
logistique (binaire et multinomiale)
- Modèles linéaires généralisés (GLM)
- Régularisation : Ridge, Lasso, Elastic Net
🔹 𝓐𝓷𝓪𝓵𝔂𝓼𝓮 𝓜𝓾𝓵𝓽𝓲𝓿𝓪𝓻𝓲é𝓮
- ACP (PCA),
Analyse factorielle
- Analyse canonique (CCA)
- MANOVA,
analyse discriminante
🔹 𝓢é𝓻𝓲𝓮𝓼 𝓽𝓮𝓶𝓹𝓸𝓻𝓮𝓵𝓵𝓮𝓼 𝓮𝓽
𝓹𝓻é𝓿𝓲𝓼𝓲𝓸𝓷𝓼
- Modèles ARIMA & SARIMA
- Lissage exponentiel (Holt–Winters)
- Modèles
à espace d’états & filtres de Kalman
- ARCH/GARCH
pour la volatilité
🔹 𝓐𝓷𝓪𝓵𝔂𝓼𝓮 𝓭𝓮
𝓼𝓾𝓻𝓿𝓲𝓮 𝓮𝓽
𝓻𝓮́𝓵𝓲𝓪𝓫𝓲𝓵𝓲𝓽é
- Estimateur de Kaplan–Meier
- Modèle
de Cox à risques proportionnels
- Fonctions de risque & fiabilité
🔹 𝓓𝓲𝓼𝓹𝓸𝓼𝓲𝓽𝓲𝓯𝓼 𝓮𝔁𝓹é𝓻𝓲𝓶𝓮𝓷𝓽𝓪𝓾𝔁 𝓪𝓿𝓪𝓷𝓬é𝓼
- Plans factoriels & fractionnaires
- Méthode
des surfaces de réponse (RSM)
- Modèles
hiérarchiques et à effets mixtes
🔹 𝓢𝓽𝓪𝓽𝓲𝓼𝓽𝓲𝓺𝓾𝓮𝓼 𝓑𝓪𝔂é𝓼𝓲𝓮𝓷𝓷𝓮𝓼
- Inférence
et mise à jour bayésienne
- MCMC
(Markov Chain Monte Carlo)
- Échantillonnage de Gibbs, Metropolis–Hastings
- Modèles bayésiens hiérarchiques
________________________________________
Si vous avez trouvé cette publication
utile, n'hésitez pas à 𝒍𝒂 𝒍𝒊𝒌𝒆𝒓 𝒆𝒕
à 𝒍𝒂 𝒑𝒂𝒓𝒕𝒂𝒈𝒆𝒓
avec vos amis et collègues !
Pour mieux apprendre l’utilisation des logiciel et modèles statistiques, nous vous invitons à prendre part à la prochaine session de notre formation en 𝙀𝙘𝙤𝙣𝙤𝙢é𝙩𝙧𝙞𝙚 𝙚𝙩 𝙏𝙚𝙘𝙝𝙣𝙞𝙦𝙪𝙚𝙨 𝙌𝙪𝙖𝙣𝙩𝙞𝙩𝙖𝙩𝙞𝙫𝙚𝙨
#StatistiquesAvancées #DataScience
#Économétrie #AnalyseDeDonnées #MachineLearning
Commentaires
Enregistrer un commentaire