Objectif : Faire connaître le Master " Statistique et ...
16
pages
Français
Documents
Le téléchargement nécessite un accès à la bibliothèque YouScribe Tout savoir sur nos offres
16
pages
Français
Documents
Le téléchargement nécessite un accès à la bibliothèque YouScribe Tout savoir sur nos offres
Master
« Statistique et Économétrie »
FOAD
(Formation Ouverte et A Distance)
Université Toulouse 1
http://stateco.fr
Janvier 2008
Présentation du Master Statistique et économétrie FOAD
Le Master Statistique et économétrie FOAD est une filière technologique de niveau Bac+5 entièrement à
distance qui enseigne la statistique appliquée et les logiciels statistiques les plus appréciés pour la
production (SAS) ou le développement (R). Elle a l’ambition de donner aux étudiants un véritable tour de
main dans des méthodes statistiques récentes.
Le Master peut être suivi :
dans son intégralité, en vue de l’obtention du diplôme mais également
« à la carte » en vue d’un perfectionnement sur quelques thèmes traités en master.
Sommaire
Historique ........................................................................................................................................................... 2
Métiers exercés par les diplômés ....................... 2
Secteurs d’activité .............. 2
Cours proposés ................... 2
Public ................................................................................................................................................................. 4
Spécificité du M2 Statistique et Économétrie FOAD ........................ 4
Logiciels ............................. 4
Organisation ........................................................................................................ ...
1
Master
« Statistique et Économétrie »
FOAD
(Formation Ouverte et A Distance)
Université Toulouse 1
http://stateco.fr
Janvier 2008
Présentation du Master Statistique et économétrie FOAD
Le Master Statistique et économétrie FOAD est une
filière technologique
de niveau Bac+5
entièrement à
distance
qui enseigne la statistique appliquée et les logiciels statistiques les plus appréciés pour la
production (SAS) ou le développement (R). Elle a l’ambition de donner aux étudiants un véritable tour de
main dans des méthodes statistiques récentes.
Le Master peut être suivi :
dans son intégralité, en vue de l’obtention du diplôme mais également
« à la carte » en vue d’un perfectionnement sur quelques thèmes traités en master.
Sommaire
Historique ........................................................................................................................................................... 2
Métiers exercés par les diplômés ....................................................................................................................... 2
Secteurs d’activité .............................................................................................................................................. 2
Cours proposés ................................................................................................................................................... 2
Public ................................................................................................................................................................. 4
Spécificité du M2 Statistique et Économétrie FOAD ........................................................................................ 4
Logiciels ............................................................................................................................................................. 4
Organisation ....................................................................................................................................................... 5
Pédagogie ........................................................................................................................................................... 5
Tarifs indicatifs .................................................................................................................................................. 6
Contacts.............................................................................................................................................................. 6
Annexe ............................................................................................................................................................... 7
2
Historique
Le Master 2 "Statistique et Économétrie" Formation Ouverte et A Distance existe depuis octobre 2003 ;
après deux années où nous avons du apprendre la pédagogie particulière de la formation à distance, nous
avons su, pour la 3
ème
année de son fonctionnement, trouver les moyens pédagogiques qui développent le
travail collaboratif des étudiants. Ces étudiants qui ont joué le jeu, qu’ils résident au Maroc, en Côte
d’Ivoire, à Strasbourg, Toulouse ou Paris, forment une véritable équipe qui progresse par l’entraide.
Le Master 2 "Statistique et Économétrie" Formation Ouverte et A Distance est un diplôme de niveau Bac+5.
C'est une copie fidèle du M2 (ex DESS) "Statistique et Économétrie" dont la première promotion est sortie
en 1991 et qui a formé à ce jour 479 diplômés. La formation complète se déroule sur deux ans. Pour une
formation diplômante on s'inscrit à l'ensemble des cours, pour un perfectionnement, on ne prend que les
cours du master répondant à ce besoin.
Métiers exercés par les diplômés
Chargés d’études statistiques, Chargés d’études quantitatives. Les carrières évoluent ensuite vers chef de
projet, actuaire,… Le métier de chargé d’études statistique se retrouve dans la plupart des branches.
Secteurs d’activité
Répartition en pourcentage décroissant des 454 diplômés depuis la création du DESS/ MASTER dans les
différents secteurs où ils exercent.
Etudes (dans de très nombreuses branches)
34
Banque
23
Assurance
11
Laboratoires pharmaceutiques (Bio statistique)
9
Secteur parapublic
9
Télécommunication – Internet
6
Transport
5
Formation
3
Cours proposés
Au cours des deux années que dure la formation, 14 cours sont dispensés. Les durées indiquées dans le
tableau ci-dessous sont celles des cours présentiels correspondants ; elles donnent une indication du poids de
la matière et ont servi de base pour évaluer le nombre d'heures que cette matière représente en termes de
Droit Individuel à la Formation (DIF
1
).
1
Le temps de travail personnel n'est pas inclus dans le temps DIF indiqué. Il faut compter 4 à 5h de travail personnel par heure
DIF indiquée pour chaque cours du master.
3
Année 1
Année 2
Matière
Durée/DIF
Matière
Durée/DIF
Logiciels statistiques
20h
Modèles semi et non
paramétriques
30h
Séries temporelles
30h
Data Mining 2
(Apprentissage)
30h
Data Mining 1
(Exploration)
20h
Statistique spatiale 1
(Exploration et modèles
économétriques)
20h
Bases de données
30h
Modèles économétriques
de la Tarification
20h
Techniques de sondage
30h
Statistique de l'assurance
20h
Modèle linéaire général
30h
Survie - Biostatistique
20h
Statistique spatiale 2
(Géostatistique)
20h
Web Mining
20h
Objectifs des cours
Initiation aux logiciels statistiques
Maîtriser les logiciels R et SAS
Bases de données
Initiation aux bases de données sous Oracle
Sondages
Savoir réaliser un plan de sondage et analyser une enquête
Data Mining 1 (Exploration)
Maîtriser l’analyse exploratoire des données
Modèle linéaire général
Connaître le modèle linéaire et le modèle linéaire généralisé
Séries temporelles
Savoir reconnaître les grands types de séries et maîtriser les outils
d’analyse
Biostatistique - Durée de vie
Former des statisticiens capables de travailler dans un département
de Biométrie d'un laboratoire pharmaceutique, d'une CRO ou d'un
organisme d'état chargé de la santé publique
Modèles semi et non paramétriques
Savoir analyser des situations où le modèle linéaire est inopérant.
Data mining 2 (Apprentissage)
Maîtriser les réseaux de neurones et certains outils de régression non
linéaire
Web Mining
Acquérir des notions sur les outils statistique, informatique et
linguistique pour l’analyse des fichiers de connexion Internet
Statistique de l'assurance
Connaître les grandes questions de l’assurance et les outils
statistiques pour les traiter
Modèles économétriques de la
Tarification
Connaître les bases de la tarification des produits et services
Statistique Spatiale 1 et 2
Maîtriser les principaux outils statistiques de l’analyse des données
géo référencées
Pour une formation diplômante, en complément de ces enseignements, un stage d'application (d'une durée de
4 à 6 mois) ou un projet tutoré dans l'entreprise où travaille l'apprenant doit être effectué (pendant la période
de formation).
4
Public
Le master accueille des étudiants pourvus d’une solide culture statistique académique ou empirique. En
particulier, en formation continue ou reprise d'études, il intéresse :
des statisticiens d'entreprises et des secteurs public et para public ayant une bonne formation de base en
statistique, validée par un diplôme de niveau Bac+3/4, la pratiquant régulièrement et désireux
d'améliorer leur qualification,
des ingénieurs d'autres disciplines appelés à utiliser l'outil statistique,
des statisticiens confirmés qui veulent rafraîchir ou mettre à jour leurs connaissances sur un point
particulier.
Spécificité du M2 Statistique et Économétrie FOAD
La spécificité du M2 présentiel
2
(apprentissage approfondi de méthodes statistiques avec mise en
pratique à l’aide de logiciels professionnels) se retrouve dans la version à distance.
Les cours sont généralement formalisés et contiennent quelques démonstrations. Ils demandent que
l'étudiant sache calculer, que ses responsabilités professionnelles ne l’aient pas durablement écarté de ce
type d’activité.
La statistique spatiale ou statistique des données géo référencées est particulièrement développée dans ce
master.
Pour bénéficier pleinement de la formation il faut donc non seulement avoir reçu une formation
scientifique rigoureuse mais aussi, une fois engagé dans une activité professionnelle, avoir gardé le goût
de la formalisation.
Logiciels
Pour la statistique nous avons retenu un logiciel commercial, SAS
©
, et un logiciel libre
3
. Les travaux
pratiques et projets peuvent être réalisés indifféremment dans les deux logiciels.
Les TP de Bases de données se font sous Oracle, soit par une connexion sur le Centre Interuniversitaire
de Calcul de Toulouse, soit sur une version légère d'Oracle pour étudiants qu'ils doivent télécharger.
Perl est enseigné dans le cours de Web Mining.
Le cours Statistique spatiale 1, comprend la formation au logiciel d’exploration de données géo
référencées GeoXp
4
2
Le Comité national d'évaluation des mathématiques a bien perçu cette spécificité :
http://www.cne-evaluation.fr/WCNE_pdf/MathsAppli.pdf
"De la même façon, ils [les employeurs] font remarquer que les universités ont mis en place des filières très attractives pour les
employeurs, comme, par exemple, la filière MASS (option économétrie) ou MIM (avec un enseignement important de
statistique)
qui peut être complétée par un troisième cycle en mathématiques financières (ont été cités, par exemple, le DEA de Paris VI qui
est une référence en Ile-de-France, en France, mais aussi en Europe - le DEA de finances de Dauphine ; le DESS de Toulouse I et
III en statistiques et économétrie ; le DESS d’économétrie d’Aix- en-Provence)."
3
SAS -
www.
sas
.com/ -
est un logiciel commercial très présent dans les entreprises quoique coûteux. Notre licence nous
autorise à l'envoyer aux étudiants inscrits au M2, formation diplômante.
R - http://cran.r-project.org/ - est un logiciel libre et professionnel qui connaît un très fort développement.
4
GeoXp a été développé par l’équipe de statisticiens du GREMAQ – UT1.
http://w3.univ-tlse1.fr/GREMAQ/Statistique/geoxppageR.htm
5
Organisation
En début d'année les logiciels statistiques sont envoyés aux étudiants. Les cours sont mis à disposition à
mesure de l'avancement du programme, dans chaque matière et selon le calendrier établi en début
d'année.
Chaque trimestre, d’octobre à juin, les forums de 2-3 cours sont ouverts aux échanges. Les outils
pédagogiques de la plateforme (Wiki, devoirs, quizz,…) sont parallèlement mis en œuvre par les tuteurs
en fonction de leurs choix pédagogiques. Le contrôle des connaissances sur un cours a lieu à la fin du
trimestre correspondant.
La charge de travail pour un cours est variable mais généralement importante et demande donc une
bonne organisation pour concilier activité professionnelle et formation.
La gestion de la plateforme d’enseignement à distance est assurée par l’équipe TICEA
5
de l’Université
Toulouse 1.
Un ingénieur pédagogique fait également partie de l'équipe.
L’administration des inscriptions est assurée par le service FOAD de l’université.
Pédagogie
Forums
Les forums de cours permettent un vrai échange entre apprenants et avec le tuteur du cours,
pour mener des projets collaboratifs, pour partager la compréhension des matières enseignées. Ces
forums sont ouverts suivant un calendrier précis et pour profiter pleinement de ces échanges, il faut
impérativement s'organiser pour travailler au rythme des forums. Un forum dure, examen compris, 10
semaines environ. L'apprenant n'est donc pas isolé dans son travail et est fortement relancé pour
collaborer via le forum.
Le
tutorat pédagogique
de chaque cours est assuré par un spécialiste de la matière qui anime et gère
son forum. Il n'est pas nécessaire de se connecter à des horaires particuliers, il faut seulement se
connecter et travailler régulièrement, lire les messages échangés sur les forums et participer à ces
échanges. A la fin d’un forum l’étudiant est vraiment entré dans la discipline, a acquis les bons réflexes
pour aborder les problèmes qu’il peut rencontrer dans son travail et a contribué à la constitution d’une
équipe d’apprenants.
Au-delà de supports de cours complets
6
, nous offrons un accompagnement pédagogique très complet et
régulier tout au long de la formation.
Le
contrôle des connaissances
est assuré à travers des projets sur lesquels l'étudiant est interrogé, à
travers des examens en temps strictement limité. Les moyens techniques sont variés (web cam,
téléphone, locaux d'ambassade de France, échange électronique en temps limité...).
L’aspect « entièrement à distance » entraîne des particularités notables. Les coûts annexe (-hébergement,
transport,…) sont inexistants. Un tel enseignement peut être suivi à n’importe quelle heure de la journée, il
suffit d’avoir dégagé le temps nécessaire ; il ne nécessite qu’une liaison internet d’assez bon débit.
5
L'équipe TICEA (
http://wwweat.univ-tlse1.fr/
) de l'Université Toulouse 1 est équipée de la plateforme d'enseignement à distance
Moodle. Cette équipe assure notamment la diffusion des documents, la gestion technique des forums ; elle forme aussi les
enseignants et les étudiants à l'usage de la plateforme.
6
Nous n’avons pas cherché à produire des documents spécialement agréables à consulter à l’écran, avec par exemple, bulles
donnant les définitions de termes quand ils sont survolés. En effet, quand on lance un logiciel il y a souvent 4 ou 5 fenêtres
ouvertes. Et il est donc plus confortable d’avoir un support de cours imprimé à côté de l’écran plutôt qu’une fenêtre
supplémentaire. De plus beaucoup d’apprenants étudient les cours dans les transports en commun.
6
Tarifs indicatifs
Formation complète
Les coûts de la formation pour 2007-2009 sont :
3000 € en formation initiale ou en reprise d'études non financée et
6 000 € en formation continue (FONGECIF,…).
A ces frais s'ajoutent les droits d'inscription nationaux (DIN) exigés chaque année pour l'inscription à
l'université (241.57€ en 2006-2007).
Le redoublement a un coût (de nouvelles dispositions seront appliquées dès octobre 2008).
Voir le site du
master pour des informations récentes.
Cours à la carte
Les coûts pour 2007-2009 sont :
Cours de 20h : 400 €
Cours de 30 heures : 550 €
Contacts
Yves Aragon – Professeur émérite,
Université Toulouse 1 Sciences sociales
Manufacture des Tabacs
GREMAQ
21, allée de Brienne
31000 Toulouse
aragon@cict.fr
Tél. 05 61 12 85 53 Fax 05 61 22 55 63
Anne Ruiz-Gazen – Maître de Conférences,
Université Toulouse 1 Sciences sociales
Manufacture des Tabacs
GREMAQ
21, allée de Brienne
31000 Toulouse
ruiz@cict.fr
Tél. 05 61 12 85 51 Fax 05 61 22 55 63
Service FOAD
Université Toulouse 1 Sciences sociales
Service FOAD
2 rue du Doyen-Gabriel-Marty
31042 Toulouse cedex 9
Tél. 05 61 63 37 86
service.foad@univ-tlse1.fr
7
Annexe
Syllabus
Logiciels statistiques
Pr. : Jean-François Dupuy
Plan du cours :
1. Apprentissage du logiciel SAS sous Windows et de ses principaux modules : SAS/STAT,
SAS/GRAPH, SAS/SQL, Macros SAS
2. Initiation au langage S (Splus, R) dans les environnements unix, linux. Ecriture de fonctions.
Pré-requis : connaissances de base en statistique inférentielle (estimation, tests d'hypothèses, intervalles de
confiance) et en probabilité (loi des grands nombres, théorème limite central).
Bibliographie : pas de biblio particulière, l'aide en ligne des logiciels et les supports de cours sont suffisants.
Séries Temporelles Appliquées
Pr. : Yves Aragon
Le but de ce cours est d’abord de donner à l’apprenant une intuition de l’exploration et de l’analyse des
séries temporelles puis de le guider dans la mise en œuvre de modèles pertinents par rapport à un objectif
préalablement défini.
Plan du cours :
1. Séries univariées : Graphiques pour l’exploration d’une série temporelle - Test de blancheur d’une série
- Séries stationnaires : rappel sur les modèles ARMA. Identification, estimation, prévision - Séries non
stationnaires - Modèles ARIMA - tests de racine unité - Modèles saisonniers - Modèles ARMAX - Modèles
d'intervention – Modèles d'hétéroscédasticité conditionnelle : modèles ARCH.
2. Séries multivariées : Fonction d'autocorrélation matricielle - Bruit blanc multidimensionnel - Processus
VAR - Manipulation des proc ARIMA, AUTOREG, VARMAX de SAS – Utilisation des packages de R
pour les mêmes tâches. L’accent est mis sur les modèles ARMAX : la série à étudier est la somme d’une
moyenne fonction linéaire de variables exogènes et d’un bruit ARMA.
Bibliographie :
1. Bourbonnais R. (2006) ``Économétrie'', Dunod (Prérequis – contient beaucoup de résultats de base qu’il
faut maîtriser pour le cours de séries temporelles).
2. Brockwell P.J.,
Davis R.A. (2002), ``Introduction to Time Series and Forecasting'', Springer (Ouvrage
détaillé sur les séries temporelles, commençant simplement
mais détaillant des méthodes pratiques
récentes).
3. Enders W. (1995), ``Applied Econometric Time Series'', John Wiley (Présentation peu mathématisée
des modèles VAR et de la coïntégration).
4. Hamilton J.D. (1994), ``Time series Analysis'', Princeton University Press (Référence qui commence
simple et va très loin -à ne consulter que quand on sait le chapitre qu'il faut étudier - Usage essentiellement
académique).
5. Reinsel G. (1997), ``Elements of Multivariate Time Series Analysis Springer''.
Référence pour les séries multidimensionnelles :
8
1. Shumway
Stoffer, ``Time Series Analysis and Its Applications : With R Examples'', Springer Texts in
Statistics (Aborde sérieusement des questions pratiques et théoriques - contient des applications aux données
d'environnement).
2. Tsay R. S., ``Analysis of Financial Time Series'', 2002, Wiley (Intéressant même pour les séries non
financières, car contient une
introduction simple sur les séries en général).
Data Mining
Pr. : Philippe Besse
Le but de ce cours est la mise en œuvre des méthodes statistiques et des méthodes connexionnistes qui
constituent le Data Mining. C'est l'exploration, la classification (ou segmentation) et la discrimination de
grands fichiers extraits d'entrepôts de données (data wharehouses). Des exemples en dimension réelle issus
du domaine bancaire (marketing) ou de l'électronique (maîtrise statistique des procédés) sont exploités afin
d'expérimenter toute la chaîne du traitement et de comparer l'efficacité des principales techniques
couramment implémentées dans des logiciels professionnels comme SAS Entreprise Miner. Une attention
particulière est accordée aux procédés de choix et de validation de modèle.
1. Introduction : Data Mining versus techniques statistiques
2. Exploration et Réduction de dimension : analyse en composantes principales - analyse des
correspondances - analyse factorielle discriminante.
3. Classification : Classification ascendante hiérarchique - centres mobiles - cartes de Kohonen
4. Discrimination et prévision : Régression logistique - analyse discriminante - arbres de classification et
de régression (CART) - perceptron multicouche.
5. Choix de modèle et comparaison de méthodes : Validation croisée, re-échantillonnage (bootstrap).
6. Agrégation de modèles : bagging, boosting.
Techniques de Sondages
Pr. : Camelia Cardot-Goga
1. Introduction aux sondages : Exemples - Vocabulaire - Notations – Formulation générale des sondages
aléatoires dans une population finie. Probabilités d'inclusion.
2. Sondages sans information auxiliaire : Sondage aléatoire simple - Plan PESR, PEAR - Sondage
systématique - Sondage par grappes - Design Effect Stratification, choix optimal des strates Plans à deux ou
plusieurs degrés. Estimation de Ratios
3. Utilisation d'information auxiliaire : Estimation par Ratio - Estimation par régression - Calage sur
marges -Redressement par post-stratification Traitement de la non-réponse
Travaux pratiques : mise en œuvre des proc surveyselect, surveyreg et surveymean de SAS, pour comparer
les mérites des différentes méthodes, sur une base de données réelles.
Bibliographie :
1. Ardilly P. (1994), ``Techniques de sondages'', Technip.
2. Särndal, C.E., B. Swensson, J. Wretman (1992), ``Model Assisted Survey Sampling'', Springer.
3. Thompson, S.K. (1992), ``Sampling'', Wiley.
9
Modèles semi et non paramétriques
Pr. : Abdelaati Daouia
Objectif du cours : cette présentation vise à servir d’introduction au domaine de la statistique non
paramétrique. Ce champ de la statistique couvre l’inférence portant sur des paramètres de nature
fonctionnelle caractérisant une loi de probabilité pour une variable aléatoire uni ou multidimensionnelle. En
se concentrant sur l’estimation d’une fonction densité et d’une fonction de régression, les méthodes les plus
courantes sont présentées : noyaux, splines, polynômes locaux. Le cas de la régression multivariée est
abordé dans le dernier chapitre. L’accent n’est pas mis sur les propriétés mathématiques de ces outils mais
sur la connaissance de leur diversité et la compréhension de leur utilisation pratique.
Plan du cours :
1. Modèles semi paramétriques : Motivations, Définition et Exemples
1.1 Divers types de modèles statistiques
1.2 Nature du paramètre
2. De l’histogramme à la méthode du noyau de Parzen-Rosenblatt
2.1 Modèle
2.2 L’histogramme
2.3 Propriétés de l’estimateur histogramme
2.4 Méthode du noyau
3 Propriétés de la méthode du noyau
3.1 Propriétés qualitatives
3.2 Biais, variance et EQM local de l’estimateur à noyau
3.3 Difficulté à estimer une densité
4 Choix du noyau et de la fenêtre
4.1 Développement asymptotique du MISE
4.2 Choix du noyau
4.3 Choix de la fenêtre
4.3.1 « Normal scale rule »
4.3.2 « Plug in rule »
4.3.3 « LS-cross-validation rule »
5 Aspects multidimensionnels de l’estimation de densité
5.1 La fenêtre locale ou adaptative (en dimension 1)
5.2 Estimateur de Parzen-Rosenblatt en dimension d
5.2.1 « Curse of dimensionality »
5.3 « Normal scale rule » en dimension d
6 Un outil : les fonctions splines polynomiales
6.1 Fonctions splines polynomiales
6.2 Splines d’interpolation
6.3 Splines de lissage
6.4 Mise en œuvre sous R
7 Divers estimateurs linéaires non paramétriques de la régression
7.1 Estimateurs linéaires : matrice d’influence et MASE
7.2 Ajustement polynomial
7.3 Ajustement par spline de régression
7.4 Estimation par spline de lissage
7.5 Estimation par la méthode du noyau de Nadaraya-Watson
10
7.6 Polynômes locaux
7.7 Choix du paramètre de lissage en régression
8 Modèles semi-paramétriques de régression multivariée
8.1 Un catalogue de modèles
8.1.1 Les modèles à indice simple
8.1.2 Les modèles à plusieurs indices
8.1.3 Les modèles additifs
Bibliographie :
Green P.J. and Silverman B.W. (1994), ``Nonparametric regression and generalized linear models, A
roughness penalty approach’’, Chapmann and Hall.
Ruppert D.,Wand M.P. and Carroll R.J. (2003), ``Semiparametric regression’’, Cambridge series in
statistical and probabilistic mathematics.
Scott D.W. (1992), ``Multivariate density estimation theory, practice and Visualization’’, Wiley.
Wood S. (2006), ``Generalized additive models : an introduction with R’’, Chapman & Hall/CRC Texts in
Statistical Science Series, 67.
Modèle Linéaire Général
Pr. : Alain Baccini
L'objet de ce cours est d'étudier quelques cas spécifiques du modèle linéaire gaussien, au delà de la
régression linéaire et de l'analyse de variance classique. On aborde ainsi certains plans d'expériences
particuliers, l'analyse de variance multidimensionnelle, les modèles mixtes et les modèles pour données
répétées.
Plan du cours :
1. Rappels sur le Modèle Linéaire gaussien classique.
2. Plans factoriels (ou analyse de variance) à 1, 2 ou 3 facteurs croisés.
3. Plans d'expériences particuliers : méthodes par blocs, plans en carrés latins et gréco-latins, plan
fractionnaires.
4. Plans factoriels multidimensionnels (ou analyse de variance multidimensionnelle).
5. Modèles à effets aléatoires et modèles mixtes.
6. Modèles pour données répétées (données longitudinales).
La mise en œuvre de ces modèles sur des exemples concrets se fait avec le logiciel SAS.
Pré requis :
1. Bonne connaissance des bases de la statistique inférentielle (estimation ponctuelle, par intervalles de
confiances, tests).
2. Connaissance élémentaire du modèle linéaire gaussien.
3. Première pratique du logiciel SAS.
11
Eléments bibliographiques:
1. H. Brown & R. Prescott, ``Applied mixed models in medicine'', Wiley, 1999.
2. D.R. Cox & N. Reid, ``The theory of the design of experiments'', Chapman & Hall, 2000.
3. J.J. Droesbeke, J. Fine & G. Saporta, ``Plans d'expériences'', Technip, 1997.
4. D. Hand & M. Crowder, ``Practical longitudinal data analysis'', Chapman & Hall, 1996.
5. P.W.M. John, ``Statistical design and analysis of experiments'', SIAM, 1998.
6. R.G. Miller Jr., ``Beyond ANOVA'',
Chapman & Hall, 1997.
7. A.C. Rencher, ``Linear models in statistics'', Wiley, 2000.
8. G. Saporta, ``Probabilités, analyse des données et statistique'', Technip, 1990.
9. S.R. Searle, G. Casella & C.E. McCulloch, ``Variance components'', Wiley, 1992.
10. G.A.F. Seber, ``Multivariate observations, Wiley, 1984.
11. G. Verbeke & G. Molenberghs, ``Linear mixed models in practice'', Lecture notes in statistics, 126,
Springer, 1997.
12. G. Verbeke & G. Molenberghs, ``Linear mixed models for longitudinal data'', Springer, 2000.
Bio-statistique
Pr. : Gérard Tap
Plan du cours :
1. Essais thérapeutiques Randomisation.
2. Calcul d'effectif.
3. Données censurées Analyse non paramétrique.
4. Modèles paramétriques : Exponentiel, de Weibull. Régression.
5. Modèles paramétriques log-linéaires. Modèle de Cox.
6. Réduction d'effectif : analyses intermédiaires Réduction d'effectif : cross-over.
7. La compréhension de ce cours nécessite des connaissances de base en statistique.
Prérequis :
La compréhension de ce cours nécessite des connaissances de base en statistique :
1. variables aléatoires discrètes ou continues.
2. distributions usuelles : uniforme, de Bernoulli, binomiale, gaussienne.
3. estimation ponctuelle, méthode du maximum de vraisemblance.
4. estimation par intervalle.
5. principe des tests d’hypothèse. Risques de première et de seconde espèce.
Une connaissance sommaire du logiciel SAS facilitera l’abord des travaux dirigés.
Bibliographie succincte :
En ce qui concerne la méthodologie des essais cliniques en général, on pourra consulter :
1. Daniel SCHWARTZ, Robert FLAMANT, Joseph LELLOUCH, ``L’essai thérapeutique chez l’homme'',
Flammarion (en français).
2. John Stuart POCOCK, ``Clinical trials : a practical approach'', John Wiley & Son (en anglais).
En ce qui concerne la méthodologie pour l’analyse des données censurées :
1. Catherine HILL, Catherine COM-NOUGUE, Andrew KRAMAR, Claude CHASTANG, Thierry
MOREAU, John O'QUIGLEY, Rachid SENOUSSI, ``Analyse statistique des données de survie'',
Flammarion (en français).
