Je serai votre tuteur en modélisation statistique

Je vous enseignerai la modélisation statistique dans les domaines suivants :

i) Principes de la modélisation statistique.

• Comment les modèles sont utilisés
• Modélisation des avantages et des limites
• Modèles stochastiques et déterministes.
• États discrets et continus et temps.
• Analyse de la sortie du modèle.
• Test de sensibilité.

ii) Modèle de régression linéaire simple.

• Estimation des moindres carrés
• Propriétés des estimateurs.
• Le tableau ANOVA
• Inférence sur les paramètres de régression.
• Approche matricielle du SLR
• Estimation du maximum de vraisemblance (MLE)

iii) Modèle de régression linéaire multiple.

iv) Construction de modèles.

• Utilisation du test F pour supprimer des variables.
• Régression de tous les sous-ensembles.
• Méthodes automatiques de sélection de modèles (élimination vers l'arrière, élimination vers l'avant, régression par étapes, critère d'information d'Akaike (AIC))

v) Modèles non linéaires.

vi) Modèles bayésiens

vii) Inférence conditionnelle et marginale