Durée
30h Th, 10h Pr, 20h TD
Nombre de crédits
Enseignant
Langue(s) de l'unité d'enseignement
Langue française
Organisation et évaluation
Enseignement au premier quadrimestre, examen en janvier
Horaire
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 développe les thèmes suivants:
- Rangs et quantiles: analyse exploratoire et inférence;
- Tests non paramétriques ;
- Estimation non paramétrique des fonctions de densité;
- Régression non paramétrique et régression quantile;
- Statistique robuste
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
Au terme du cours, les étudiants seront capables d'exploiter à bon escient des techniques non paramétriques dans le contexte de l'inférence, la modélisation et l'estimation de densité. Ils seront en mesure de construire et interpréter des modèles de régression non paramétrqiues ou quantiles. Ils seront conscients de l'effet potentiel d'observations atypiques sur les estimations classiques et pourront, le cas échéant, proposer une démarche non-paramétrique ou robuste.
Savoirs et compétences prérequis
Statistique inférentielle et théorie des probabilités.
Le cours combine une approche pratique avec un approfondissement des aspects théoriques. Il est d'intérêt essentiellement pour des mathématiciens.
Activités d'apprentissage prévues et méthodes d'enseignement
Le cours se décompose en des séances ex-cathedra développant la théorie et des séances de discussion des résultats à des travaix pratiques réalisés par les étudiants à domicile. Pour ces travaux pratiques, l'utilisation du logiciel R sera obligatoire (et intensive).
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement en présentiel
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- eCampus
Informations complémentaires:
Des notes de cours partielles sont disponibles. Les transparents utilisés au cours seront mis en ligne sur eCampus.
Quelques références:
- D. Bosq (1996). Nonparametric statistics for stochastic processes. Springer-Verlag.
- E.L. Lehmann (1999). Elements of large sample theory. Springer Texts in Statistics. Springer-Verlag.
- A. B. Tsybakov (2004). Introduction à l'estimation non-paramétrique. Springer-Verlag, Berlin, 2004.
- R. Koenker (2005). Quantile Regression, Cambridge University Press
- L. Wasserman (2006). All of nonparametric statistics. Springer Texts in Statistics. Springer-Verlag.
Modalités d'évaluation et critères
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation écrite ( questions ouvertes ) ET évaluation orale
Informations complémentaires:
Examen écrit pendant la session pour des exercices (à réaliser à la main ou à l'aide du logiciel).
Examen oral de théorie
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Le cours n'est organisé qu'un an sur deux, lors des années "paires". Il n'est pas prévu en 2025-2026. Il sera par contre organisé en 2026-2027.
Contacts
Gentiane Haesbroeck