Statistiques appliquées

Résumé

Ce cours enseigne les méthodes modernes d'inférence statistique connues sous le nom de Bootstrap, avec divers exemples réels de problèmes statistiques, tels que tester si un nouveau traitement médical est efficace pour guérir une maladie.  L'un des principaux objectifs de l'inférence statistique est de quantifier l'erreur d'un estimateur statistique pour une quantité de population, telle que la différence entre les résultats de santé des patients traités et contrôlés. La quantification de l'erreur est nécessaire pour obtenir une conclusion valable sur l'effet du traitement. Les statistiques classiques reposent généralement sur une approximation mathématique de la distribution d'une estimation statistique. Les statistiques modernes basées sur le Bootstrap ne font pas une telle approximation ; au lieu de cela, elles estiment la distribution de l'estimation statistique en simulant la distribution de la population par un rééchantillonnage à partir des données données données. Cette approche Bootstrap a largement rendu les déductions statistiques plus précises, plus largement applicables, et plus faciles à utiliser et à comprendre.  Le cours n'enseigne pas seulement les différents aspects de l'approche Bootstrap, mais sert également d'introduction pratique aux statistiques appliquées à des problèmes du monde réel à travers des exemples.

Modalités pédagogiques : Cours magistraux, expériences de simulation, devoirs maison.

Règles du cours : La présence en classe peut être prise en compte dans la note finale.