๐ฅ ๐ข๐ฝ๐ช๐ฝ๐ฒ๐ผ๐ฝ๐ฒ๐บ๐พ๐ฎ๐ผ ๐๐ฟ๐ช๐ท๐ฌรฉ๐ฎ๐ผ : ๐ต๐ฎ๐ผ ๐๐ฒ๐ต๐ฒ๐ฎ๐ป๐ผ ๐ญ๐ฎ ๐ต’๐๐ท๐ช๐ต๐๐ผ๐ฎ ๐๐ธ๐ญ๐ฎ๐ป๐ท๐ฎ ๐ฅ
Les ๐ผ๐ฝ๐ช๐ฝ๐ฒ๐ผ๐ฝ๐ฒ๐บ๐พ๐ฎ๐ผ ๐ช๐ฟ๐ช๐ท๐ฌรฉ๐ฎ๐ผ vont bien au-delร des bases (moyenne, mรฉdiane, รฉcart-type, tests t ou khi-deux).
Elles permettent de modรฉliser, prรฉdire et extraire des informations
complexes ร partir de donnรฉes rรฉelles.
๐๐ฃ ๐ก๐๐ ๐ ๐๐ฉ ๐ช๐ฃ ๐๐๐ง๐ฉ๐๐๐ de ce post
avant d'aller plus loin nous feront plaisir.
๐น ๐๐ป๐ธ๐ซ๐ช๐ซ๐ฒ๐ต๐ฒ๐ฝรฉ๐ผ
๐ฎ๐ฝ ๐๐ฒ๐ผ๐ฝ๐ป๐ฒ๐ซ๐พ๐ฝ๐ฒ๐ธ๐ท๐ผ
- Lois multivariรฉes (normale, Student)
- Probabilitรฉ
bayรฉsienne et analyses a priori/postรฉrieure
- Chaรฎnes
de Markov et processus stochastiques
๐น ๐๐ผ๐ฝ๐ฒ๐ถ๐ช๐ฝ๐ฒ๐ธ๐ท ๐ฎ๐ฝ
๐ฃ๐ฎ๐ผ๐ฝ๐ผ ๐ญ’๐ฑ๐๐น๐ธ๐ฝ๐ฑรจ๐ผ๐ฎ
- Maximum de vraisemblance (MLE)
- Estimation bayรฉsienne
- Tests de rapport de vraisemblance
- Mรฉthodes
non paramรฉtriques (Mann–Whitney, Kruskal–Wallis)
๐น ๐กรฉ๐ฐ๐ป๐ฎ๐ผ๐ผ๐ฒ๐ธ๐ท ๐ฎ๐ฝ
๐๐ธ๐ญรฉ๐ต๐ฒ๐ผ๐ช๐ฝ๐ฒ๐ธ๐ท
- Rรฉgressions multiples et polynomiales
- Rรฉgression
logistique (binaire et multinomiale)
- Modรจles linรฉaires gรฉnรฉralisรฉs (GLM)
- Rรฉgularisation : Ridge, Lasso, Elastic Net
๐น ๐๐ท๐ช๐ต๐๐ผ๐ฎ ๐๐พ๐ต๐ฝ๐ฒ๐ฟ๐ช๐ป๐ฒรฉ๐ฎ
- ACP (PCA),
Analyse factorielle
- Analyse canonique (CCA)
- MANOVA,
analyse discriminante
๐น ๐ขรฉ๐ป๐ฒ๐ฎ๐ผ ๐ฝ๐ฎ๐ถ๐น๐ธ๐ป๐ฎ๐ต๐ต๐ฎ๐ผ ๐ฎ๐ฝ
๐น๐ปรฉ๐ฟ๐ฒ๐ผ๐ฒ๐ธ๐ท๐ผ
- Modรจles ARIMA & SARIMA
- Lissage exponentiel (Holt–Winters)
- Modรจles
ร espace d’รฉtats & filtres de Kalman
- ARCH/GARCH
pour la volatilitรฉ
๐น ๐๐ท๐ช๐ต๐๐ผ๐ฎ ๐ญ๐ฎ
๐ผ๐พ๐ป๐ฟ๐ฒ๐ฎ ๐ฎ๐ฝ
๐ป๐ฎ́๐ต๐ฒ๐ช๐ซ๐ฒ๐ต๐ฒ๐ฝรฉ
- Estimateur de Kaplan–Meier
- Modรจle
de Cox ร risques proportionnels
- Fonctions de risque & fiabilitรฉ
๐น ๐๐ฒ๐ผ๐น๐ธ๐ผ๐ฒ๐ฝ๐ฒ๐ฏ๐ผ ๐ฎ๐๐นรฉ๐ป๐ฒ๐ถ๐ฎ๐ท๐ฝ๐ช๐พ๐ ๐ช๐ฟ๐ช๐ท๐ฌรฉ๐ผ
- Plans factoriels & fractionnaires
- Mรฉthode
des surfaces de rรฉponse (RSM)
- Modรจles
hiรฉrarchiques et ร effets mixtes
๐น ๐ข๐ฝ๐ช๐ฝ๐ฒ๐ผ๐ฝ๐ฒ๐บ๐พ๐ฎ๐ผ ๐๐ช๐รฉ๐ผ๐ฒ๐ฎ๐ท๐ท๐ฎ๐ผ
- Infรฉrence
et mise ร jour bayรฉsienne
- MCMC
(Markov Chain Monte Carlo)
- รchantillonnage de Gibbs, Metropolis–Hastings
- Modรจles bayรฉsiens hiรฉrarchiques
________________________________________
Si vous avez trouvรฉ cette publication
utile, n'hรฉsitez pas ร ๐๐ ๐๐๐๐๐ ๐๐
ร ๐๐ ๐๐๐๐๐๐๐๐
avec vos amis et collรจgues !
Pour mieux apprendre l’utilisation des logiciel et modรจles statistiques, nous vous invitons ร prendre part ร la prochaine session de notre formation en ๐๐๐ค๐ฃ๐ค๐ขรฉ๐ฉ๐ง๐๐ ๐๐ฉ ๐๐๐๐๐ฃ๐๐ฆ๐ช๐๐จ ๐๐ช๐๐ฃ๐ฉ๐๐ฉ๐๐ฉ๐๐ซ๐๐จ
#StatistiquesAvancรฉes #DataScience
#รconomรฉtrie #AnalyseDeDonnรฉes #MachineLearning

Commentaires
Enregistrer un commentaire