UE Analyse des données avancées

Ce cours est basé sur le plan suivant :

- Chap I : Introduction : Pourquoi l'analyse des données. Notion de probabilité. Analyse, fréquentiste/bayésienne

- Chap II : Elements de statistiques : Quelques rappels sur les bases de la statistique. Description et transformation de variables aléatoires à plusieurs dimensions. Distributions remarquables.

- Chap III : Processus stochastique : Processus stochastiques remarquables. Systèmes linéaires et théorie fréquentielle. Filtrage.

- Chap IV : Méthodes Monte-Carlo : Principes et mise en oeuvre de simulation Monte-Carlo. Générateur de nombres pseudo-aléatoires à une et plusieurs dimensions.

- Chap V : Inférence bayésienne : Théorème de Bayes. Marginalisation. Méthode MCMC. Paramètres de nuisance. Evidence et sélection de modèles.

 - Chap VI : Analyse fréquentiste : Test d'hypothèse : Principe et construction d'un test. Test linéaire. Réseau de neurones. Arbres de décision.

 - Chap VII : Analyse fréquentiste : Estimation : Méthode du maximum de vraisemblance et du chi2. Paramètres de nuisances et vraisemblances profilées.

Contacts: G. Maurin gilles.maurin @ lapp.in2p3.fr