Université Lyon 1
Arqus
Accueil  >>  Régression et grande dimension
  • Unité d'enseignement : Régression et grande dimension
Nombre de crédits de l'UE : 3
Code APOGEE : MAT2568M
    Responsabilité de l'UE :
CIUPERCA GABRIELA
 gabriela.ciupercauniv-lyon1.fr
04.26.23.45.57
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
12 h
Travaux Dirigés (TD)
6 h
Travaux Pratiques (TP)
12 h

* Ces horaires sont donnés à titre indicatif.

    Compétences attestées (transversales, spécifiques) :
Non rédigé
    Programme de l'UE / Thématiques abordées :

 Régression linéaire généralisée.

Régression PLS, modèles d’analyse de variance mixtes, régression logistique.

Modèles linéaires sous des conditions non standard : méthodes d’estimation quantile et expectile.

Pour toutes ces modèles paramétriques, les propriétés théoriques des estimateurs correspondants sont étudiées, avec comparaison entre différentes méthodes. Ces propriétés vont permettre de considérer des tests d’hypothèse. Les méthodes numériques pour trouver les estimations seront abordées. Applications sur des données réelles en utilisant les logiciels spécifiques R ou SAS.

 

Pour les modèles linéaires en grande et très grande dimension, avec des variables groupées ou non groupées, les méthodes de type LASSO permettent la sélection automatique des variables. Les propriétés oracle et les algorithmes associés seront étudiés. Les fonctions de perte seront envisagées par rapport aux suppositions du modèle : moindres carrés, quantile, expectile. Applications sur des données réelles en utilisant différents packages du logiciel R.

    Parcours / Spécialité / Filière / Option utilisant cette UE :
SELECT MEN_ID, `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`, `PAR_ID` FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='25329' ORDER BY `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`