MI-Statistique S6

Le cours introduit le cadre général de la théorie de l’estimation et des tests, ainsi que son application au modèle linéaire. Le cours comme les TD s’appuient sur un aller-retour entre les résultats mathématiques et le traitement informatique de données réelles ou simulées.

PROGRAMME :

• Rappels sur les vecteurs gaussiens et propriétés.
• Statistique multivariée : moyennes et variances empiriques, propriétés asymptotiques.
• Estimateurs du maximum de vraisemblance en multidimensionnel et propriétés asymptotiques.
• Test statistique : comparaison de deux populations, tests d'adéquation et d'indépendance.
• Modèle linéaire : régression simple et multiple, analyse de la variance et de la covariance.

Modalités : Mixte : CC + CT
SESSION 1 :
Contrôle Continu
• Type : Écrit
• Durée : --
• Précisions : Des épreuves de contrôle continu pendant le semestre (50% de la note).

Contrôle Terminal
• Type : Écrit
• Durée : 2h00
• Précisions : Un examen terminal écrit de 2h (50% de la note).

Régime Dérogatoire
• Type : Écrit
• Durée : 2h00
• Précisions : Un examen terminal écrit de 2h (100% de la note).

SESSION 2 :
• Type : Écrit
• Durée : 2h00
• Précisions : Un examen terminal écrit de 2h (100% de la note).

Utilisation de l'intelligence artificielle :
Pour cet EC, l’usage de l’intelligence artificielle (IA) générative pour aider à la réalisation des travaux soumis à évaluation est interdite, sauf éventuelles exceptions dûment spécifiées par l’enseignant responsable du cours. Dans le cadre de ces éventuelles exceptions, les principes suivants doivent être respectés.

Les résultats fournis par l’IA doivent constituer un matériau pour votre réflexion, et toujours faire l’objet d’une réappropriation et d’une reprise critique.

Tous les usages doivent être documentés dans une section dédiée à la fin de votre travail, à l’exception des usages de recherche web augmentée, de correction orthographique et syntaxique. Cette section doit permettre à votre lecteur d’évaluer la manière dont vous avez travaillé avec l’IA et mobilisé cette ressource au service d’un travail personnel.

L’intégration directe de contenus engendrés par l’IA doit être faite sous le régime de la citation.

Toute utilisation non déclarée ou non autorisée d’un outil d’IA pourra être considérée comme un manquement aux règles d’intégrité académique.

Il est également demandé aux étudiants de ne pas transmettre à des outils d’IA des données confidentielles ou personnelles concernant l’université, les enseignants, les entreprises partenaires ou d’autres étudiants.

Maîtriser les notions fondamentales de la statistique multivariée, appréhender les méthodes de l’inférence statistique (estimation et tests classiques), et connaître les outils statistiques de base du modèle linéaire, ainsi que le cadre d’utilisation et l’interprétation de leurs résultats.