Régression linéaire : simple et multiple, estimation et prédiction, inférence, régression polynomiale, multicolinéarité, méthodes itératives de construction de modèles, qualité du modèle. Modèles linéaires généralisés : généralisation de la régression linéaire, fonctions de lien, régression logistique, régression de Poisson, régression multinomiale. Analyse en composantes principales : définitions et calculs, interprétation géométrique et statistique, régression sur les composantes principales. Statistique bayésienne : loi a priori, loi a posteriori, inférence bayésienne, régression bayésienne, régression pénalisée, méthodes Monte-Carlo par chaine de Markov, variable latente, classification. Théorie de l'information : définitions de base, notions d'entropie, information mutuelle et propre; arbres probabilisés.
- Responsable du site: Jonathan Jalbert
- Enseignant (éditeur): Delhio Calves
- Enseignant (éditeur): Simon Chatelain
- Enseignant (éditeur): Anne Martin
- Enseignant (éditeur): Paul Mathivon
- Enseignant (éditeur): Auguste Paoli