Cible(s) de formation

Maîtriser les méthodes économétriques spécialisées pour des bases de données et modèles particuliers. Parfaire les connaissances théoriques de la modélisation économétrique.

Contenu

Modèles de régression non linéaires et régressions artificielles. Étude approfondie de la méthode du maximum de vraisemblance et de certaines de ses applications. Le problème des instruments faibles. Estimation GMM et matrices de covariance HAC. Méthodes d’estimation basées sur des simulations. Estimation semi et non paramétrique. Processus aléatoires univariés et multivariés. Racine unitaire et cointégration. Hétéroscédasticité conditionnelle autorégressive.

Antérieure(s)

ECN 702

Équivalente(s)

ECO 5253

Cible(s) de formation

Approfondir les modèles utilisés pour l'imagerie numérique; être au courant des recherches; être capable de développer des applications réelles.

Contenu

Fondements de l'image, filtrage, modèles statistiques, modèles algébriques, modèles physiques.

Cible(s) de formation

Approfondir les connaissances en synthèse d'images; être au courant des recherches; être capable de développer des applications réelles.

Contenu

Éléments de base de la radiométrie : radiance, fonction de distribution bidirectionnelle des réflectances… Équation de la lumière, fonction plénoptique. Techniques avancées de rendu d'images réalistes : tracé de chemins, tracé bidirectionnel. Méthodes de Monte Carlo. Techniques de rendu non réalistes. Modélisation d'objets complexes. Filtrages de textures. Rendu à base d'images.

Cible(s) de formation

Approfondir et maîtriser un sujet choisi en infographie.

Contenu

Sujets traités en fonction des développements récents en infographie et en fonction des intérêts des étudiantes et étudiants.

Cible(s) de formation

Approfondir et maîtriser un sujet choisi en traitement d'images et vision artificielle.

Contenu

Sujets traités en fonction des développements récents en traitement d'images et vision artificielle et en fonction des intérêts des étudiantes et étudiants.

Cible(s) de formation

Approfondir les connaissances en traitement et analyse des images; être au courant des recherches; être capable de développer des applications réelles.

Contenu

Éléments de base : signal, convolution, filtrage et transformées. Formation des images : système d'acquisition et formation physique. Perception. Qualité de l'image : prétraitement, rehaussement et restauration. Extraction de caractéristiques : contour, région et texture. Description symbolique. Traitement d'images couleurs. Applications.

Cible(s) de formation

Acquérir une expérience approfondie par le biais d'un projet de modélisation géométrique; connaître les outils mathématiques sous-jacents à la modélisation géométrique et comprendre les nuances de leur utilisation et de leur implantation informatique.

Contenu

Courbes et surfaces : approximation et interpolation polynomiales (ß-splines, Bézier); algorithmes de subdivision (Oslo, De Casteljau, Dubuc). Solides : géométrie constructive solide; algorithmes d'intersection; algorithme de tracé de rayons. Affichage : simulation d'effets optiques; simulation par tracés de rayons; algorithme de radiosité.

Cible(s) de formation

Maîtriser et appliquer les outils mathématiques de l'analyse des signaux et des images. Approfondir les connaissances en technique; être au courant des recherches; être capable de développer des applications réelles.

Contenu

Espaces de Hilbert. Séries de Fourier, transformées de Fourier, transformée de Fourier discrète et FFT. Analyse des signaux par ondelettes : ondelette de Haar, analyse multirésolution, ondelette de Daubechies et transformée en ondelettes. Distributions. Applications.

Cible(s) de formation

Approfondir les connaissances en vision artificielle; être au courant des recherches; être capable de développer des applications réelles.

Contenu

Objectifs et applications de la vision artificielle. Concepts de la reconstruction 3D à partir d'une ou de plusieurs images; calibration; identification et extraction d'indices de profondeur multioculaires et monoculaires; estimation des paramètres 3D; modélisation 3D. Introduction à la géométrie discrète. Applications au choix.

Cible(s) de formation

Mettre en pratique la méthodologie des premières étapes de la recherche scientifique.

Contenu

Le travail comporte les étapes suivantes: recherche bibliographique permettant de situer son projet de recherche par rapport aux recherches existantes; définition d'une problématique de recherche; détermination des hypothèses de travail; élaboration de la méthodologie à être utilisée. À la fin de cette activité, l'étudiante ou l'étudiant doit déposer un plan préliminaire de sa recherche.

Cible(s) de formation

Mettre en pratique la méthodologie des dernières étapes de la recherche scientifique.

Contenu

Le travail comporte les étapes suivantes : précision de la problématique de recherche et des hypothèses de travail, poursuite de la réalisation du projet. Au terme de l'activité, l'étudiante ou l'étudiant est autorisé à rédiger son mémoire.

Cible(s) de formation

Connaître et comprendre les notions et les résultats fondamentaux de la théorie des catégories; savoir les appliquer dans divers domaines des mathématiques.

Contenu

Catégories et foncteurs. Morphismes fonctoriels. Équivalences de catégories. Foncteurs représentables, lemme d'Yoneda. Foncteurs adjoints. Limites inductives et projectives. Catégories additives et foncteurs additifs. Catégories abéliennes. Catégories triangulées et catégories dérivées.

Cible(s) de formation

Développer l'intégrale de Lebesgue et obtenir ses propriétés.

Contenu

Théorie abstraite de l'intégration. Mesures de Borel et théorème de représentation de Riesz. Espaces Lp. Mesures complexes et théorème de Radon-Nikodym. Intégration sur les espaces produits et le théorème de Fubini. Différentiation.

Cible(s) de formation

Acquérir une expertise technique et une capacité à utiliser, implanter et développer des méthodes mathématiques basées sur l'arithmétique par intervalles; en conséquence, renforcer sa compréhension des méthodes numériques et mathématiques basées sur l'arithmétique habituelle.

Contenu

Méthodes numériques classiques revues et augmentées au moyen de l'analyse par intervalles. Application aux problèmes d'optimisation, notamment sous critères multiples.

Cible(s) de formation

Maîtriser les théorèmes de structures des modules et des catégories de modules.

Contenu

Algèbres et modules. Modules simples et le théorème de Jordan-Hölder. Modules semi-simples et les théorèmes de Wedderburn-Artin. Modules indécomposables et le théorème de Krull-Schmidt. Modules projectifs et injectifs. Le produit tensoriel. Notions d'algèbre multilinéaire. Équivalence et dualité des catégories de modules.

Cible(s) de formation

Acquérir les notions d'une structure topologique et d'une structure uniforme permettant de donner un sens mathématique aux notions intuitives de voisinage, de limite, de continuité et de continuité uniforme.

Contenu

Structures topologiques. Convergence de suites généralisées et axiomes de séparation. Fonctions continues. Espaces topologiques produits et topologie quotient. Plongement et métrisabilité. Espaces topologiques compacts et théorème de Tychonoff. Compactification de Stone-Cech. Structures uniformes et complétion. Espaces uniformes métrisables et théorème de Baire.

Cible(s) de formation

Se familiariser avec un domaine de l'algèbre privilégié par des travaux de recherche récents.

Contenu

Le sujet traité dépend de l'intérêt des étudiantes et étudiants et des personnes ressources au Département.

Cible(s) de formation

S'initier aux concepts fondamentaux de l'algèbre commutative et de la géométrie algébrique affine. Être capable d'en tirer des applications à la théorie des nombres et à la théorie des codes.

Contenu

Anneaux commutatifs et leurs modules. Localisation : idéaux premiers, racine d'un idéal, anneaux et modules de fractions, anneaux locaux. Dépendance entière: clôture intégrale, théorème de montée. Anneaux et modules noethériens, anneaux de polynômes sur un anneau noethérien. Ensembles algébriques affines, théorème des zéros de Hilbert, ensembles algébriques irréductibles et idéaux premiers, propriétés des courbes planes, dimension des variétés. Applications.

Cible(s) de formation

Connaître et comprendre la structure des groupes finis; acquérir les éléments de la théorie des représentations des groupes, ainsi que les notions de groupes libres et de produits libres.

Contenu

Groupes finis, les théorèmes de Sylow, groupes résolubles, groupes nilpotents, extensions de groupes, groupes libres et produits libres de groupes, représentations linéaires des groupes finis, caractères, représentations de dimension un, représentations induites.

Cible(s) de formation

Connaître et maîtriser les techniques homologiques de calcul algébrique; savoir les appliquer dans divers domaines de l'algèbre, de la topologie algébrique ou de la géométrie algébrique.

Contenu

Catégories et foncteurs, anneaux et modules. Les foncteurs Hom et produit tensoriel, exactitude et adjonction. Modules libres, projectifs et injectifs. Anneaux définis par leurs propriétés homologiques. Foncteurs dérivés, foncteurs d'extension et de torsion. Dimensions homologiques de modules et d'anneaux. Homologie et cohomologie des algèbres.

Cible(s) de formation

Étudier et appliquer les principales notions des surfaces de Riemann. Approfondir ses connaissances sur les résultats fondamentaux découlant des surfaces de Riemann.

Contenu

Surfaces de Riemann compactes. Structures complexes engendrées par une métrique. Applications holomorphes. Revêtements ramifiés de la sphère de Riemann. Topologie et formes différentielles sur les surfaces de Riemann. Différentielles abéliennes; variétés de Jacobi. Fonctions méromorphes sur les surfaces de Riemann compactes. Théorème d'Abel. Théorème de Riemann-Roch; diviseurs spéciaux et points de Weierstrass, problème d'inversion de Jacobi. Fonctions thêta, diviseur thêta.

Cible(s) de formation

Maîtriser les concepts reliés à la géométrie computationnelle en vue des applications dans des domaines connexes.

Contenu

Triangulation de polygones. Partitionnement de polygones. Enveloppe convexe dans le plan et dans l'espace. Diagramme de Voronoï. Arrangements. Recherche de points particuliers et intersections de figures.

Cible(s) de formation

Maîtriser les concepts et acquérir les notions de base en analyse fonctionnelle; connaître les théorèmes fondamentaux et être capable de les appliquer dans différents domaines de l'analyse mathématique.

Contenu

Espaces de Hilbert, espaces de Banach, algèbres de Banach. Étude particulière de l'algèbre des opérateurs sur un espace de Hilbert. Espace de Banach des fonctions à variation bornée et intégrale de Stieltjes. Fonctionnelles linéaires. Théorème de représentation de Riesz. Théorèmes de Hahn-Banach, de la borne uniforme et du graphe fermé. Topologies faibles. Convexité : théorèmes de séparation, inégalité de Jensen, théorème de Krein-Milman.

Cible(s) de formation

Se familiariser avec un domaine de l'analyse privilégié par des travaux de recherche récents.

Contenu

Le sujet traité dépend de l'intérêt des étudiantes et étudiants et des personnes ressources au Département.

Cible(s) de formation

S'initier aux notions fondamentales de la théorie des équations aux dérivées partielles et en connaître les résultats classiques.

Contenu

Transformée de Fourier dans Rn distributions. Problème de Cauchy et théorème de Cauchy-Kovalevska. Étude d'équations classiques : équations de Laplace, de Poisson, de la chaleur et des ondes.

Cible(s) de formation

Voir un large éventail de méthodes et de résultats.

Contenu

Codes linéaires, codes non-linéaires, matrices de Hadamard, configurations combinatoires et codes de Golay, codes duaux et distribution des poids, théorème de MacWilliams, les quatre paramètres fondamentaux d'un code, codes cycliques, codes BCH, codes de Reed-Solomon et de Justesen, codes de Reed-Muller, codes résidu-quadratiques, bornes sur la grosseur d'un code, codes autoduaux et théorie des invariants.

Cible(s) de formation

Mettre en pratique une méthodologie et aborder une réflexion sur un problème de recherche scientifique.

Contenu

Le travail de l'étudiante ou de l'étudiant comporte les étapes suivantes : précision de la problématique de recherche et des hypothèse de travail, poursuite de la réalisation du projet. Au terme de l'activité, l'étudiante ou l'étudiant est autorisé à rédiger un essai de type recherche.

Cible(s) de formation

Mettre en pratique la méthodologie des premières étapes de la recherche scientifique.

Contenu

Le travail de l'étudiante ou de l'étudiant comporte les étapes suivantes: recherche bibliographique permettant de situer son projet de recherche par rapport aux recherches existantes, définition d'une problématique de recherche, détermination des hypothèses de travail, élaboration de la méthodologie à être utilisée. À la fin de cette activité, l'étudiante ou l'étudiant doit déposer un plan préliminaire de sa recherche.

Cible(s) de formation

Écrire un essai de type recherche.

Contenu

Rédaction d'un essai de type recherche décrivant les résultats obtenus au cours du stage de recherche et démontrant l'acquisition d'aptitudes à poser un problème, à en faire l'analyse et à proposer des solutions appropriées.

Cible(s) de formation

Mettre en pratique la méthodologie des premières étapes de la recherche scientifique.

Contenu

Le travail de la candidate ou du candidat comporte les étapes suivantes : recherche bibliographique permettant de situer son projet de recherche par rapport aux recherches existantes, définition d'une problématique de recherche, détermination des hypothèses de travail, élaboration de la méthodologie à être utilisée. À la fin de cette activité, l'étudiante ou l'étudiant doit déposer un plan préliminaire de sa recherche.

Cible(s) de formation

Mettre en pratique la méthodologie des dernières étapes de la recherche scientifique.

Contenu

Le travail de la candidate ou du candidat comporte les étapes suivantes: précision de la problématique de recherche et des hypothèses de travail, poursuite de la réalisation du projet. Au terme de l'activité, l'étudiante ou l'étudiant est autorisé à rédiger son mémoire.

Cible(s) de formation

Critiquer et évaluer des présentations scientifiques; réaliser une présentation orale.

Contenu

Le travail de la candidate ou du candidat comporte les étapes suivantes : participation à un séminaire de recherche dans son domaine, critique et évaluation des présentations, deux prestations par étudiante ou étudiant.

Cible(s) de formation

Exposer et défendre un travail de recherche.

Contenu

Présentation du contenu du mémoire lors d'un séminaire public. Cet exposé a lieu au plus tard au moment du dépôt officiel.

Cible(s) de formation

Écrire un mémoire de maîtrise.

Contenu

Rédaction d'un mémoire décrivant les résultats obtenus au cours d'activités de recherche et démontrant l'acquisition d'aptitudes à poser un problème, à en faire l'analyse et à proposer des solutions appropriées.

Cible(s) de formation

Approfondir les notions reliées à la topologie vues au cours de premier cycle.

Contenu

Propriétés élémentaires des complexes simpliciaux; subdivisions. Homologies simpliciale et singulière. Invariance. Équivalence de ces homologies dans le cas des polyèdres. Suites de Mayer-Vietoris. Applications: les espaces Rn, théorèmes de points fixes, théorème de la courbe de Jordan.

Cible(s) de formation

Connaître les méthodes modernes de théorie des représentations des algèbres de dimension finie sur un corps; acquérir le plus large éventail possible de résultats et de méthodes.

Contenu

Carquois d'une algèbre, représentations d'algèbres héréditaires, théorie d'Auslander -Reiten, ensembles partiellement ordonnés et catégories d'espaces vectoriels, revêtements d'une algèbre, algèbres auto-injectives, théorie de l'inclinaison.

Cible(s) de formation

Acquérir une vue synthétique de la géométrie différentielle, de la topologie et de l'algèbre tout en se familiarisant avec des outils applicables à divers domaines des mathématiques et de la physique moderne.

Contenu

Rappel sur le calcul différentiel des fonctions à plusieurs variables réelles. Notion de variété différentiable et exemples. Variété produit. Espaces vectoriels tangents. Applications différentiables. Différentielle d'une application et règle de chaîne. Sous-variétés, difféo-morphismes et théorème d'inversion locale. Champs de vecteurs et algèbre de Lie. Systèmes différentiels et théorème de Frobenius. Notion de groupe de Lie et exemples. Caractérisation et homomorphisme de groupes de Lie. Algèbre de Lie d'un groupe de Lie. Sous-groupes à un paramètre, application exponentielle et coordonnées canoniques. Détermination d'un groupe de Lie par son algèbre de Lie et formules de Campbell-Hausdorff. Sous-groupe de Lie et groupe linéaire général GL(n,R). Groupe linéaire adjoint.

Cible(s) de formation

Se familiariser avec les processus markoviens, l'algorithme EM et la sélection de modèles.

Contenu

Grandes familles de processus stochastiques : processus de renouvellement et différentes classes de processus markoviens et semi-markoviens. Chaînes de Markov d'ordre variable, processus agrégés, chaînes de Markov cachées. Données biologiques structurées en séquences ou en arborescences, processus de renouvellement et processus semi markoviens, applications aux données incomplètes. L'algorithme EM et ses variantes stochastiques.

Cible(s) de formation

Développer son autonomie dans l'utilisation des méthodes de géostatistique dans des contextes appliqués en agriculture, en environnement ou en épidémiologie.

Contenu

Variables régionalisées, modèles de champs aléatoires, hypothèses, variogrammes, fonctions de covariances spatiales, variogrammes empiriques, analyse structurale, modèles de variogrammes et estimation, anisotropies, échantillonnage spatial. Krigeage simple et ordinaire, système de pondérations, erreur de prédiction, validation croisée. Géostatistique dans le cadre non stationnaire : krigeage universel, FaIk, krigeage avec dérive externe. Simulation de champs aléatoires, simulation conditionnelle.

Cible(s) de formation

Comprendre les concepts et méthodes statistiques de l'apprentissage, dont l'importance s'est considérablement accrue au cours de la dernière décennie.

Contenu

Notions générales de l'apprentissage statistique. Classification binaire : théorie, estimation et applications. Fouille de textes ou d'images, reconstruction des réseaux génétiques, puces ADN.

Cible(s) de formation

Présenter les principales notions de la théorie des valeurs extrêmes et les modélisations utilisées en statistique des extrêmes.

Contenu

Comportement stochastique des extrêmes d'échantillon. Cadres univarié, multivarié, stationnaires et non stationnaires, modélisation de processus temporels ou spatiaux. Applications.

Cible(s) de formation

Présenter de façon rigoureuse les outils de base de l'inférence statistique (estimateurs, tests d'hypothèses) pour les modèles paramétriques en biostatistique.

Contenu

Rappels : modes de convergence, méthodes d'estimation classique : moments et evm, tests. Application à l'analyse de données discrètes : tables de contingence et modèles log-linéaires. Tests d'adéquation : (khi-deux, Kolmogorov, de type Cramér von Mises, tests lisses, généralisations pour la régression. Régression linéaire et non linéaire : inférence. Modèles GLM et régression logistique. Modèles poissonniens et de Gamma. Sélection de modèle : méthodes AIC, BIC, vraisemblance maximale.

Cible(s) de formation

Acquérir un certain nombre d'outils statistiques pour l'analyse de données issues du contexte médical.

Contenu

Analyse des données de survie avec l'étude de la censure, modèles paramétriques, non paramétriques et semi-paramétriques. Mélanges de lois, méthodes de partitionnement, modèles non linéaires et des modèles multi-états. U-statistiques et modèles à risques compétitifs. Étude d'évènements ponctuels de R^p; méta-analyses d'études cliniques; analyse de données génétiques.

Cible(s) de formation

Connaître un ensemble de techniques pour traiter des données multivariées et se familiariser avec des applications, notamment en agronomie et en biologie.

Contenu

Compléments de calcul matriciel (dérivation matricielle, recherche d'extrema libres et liés, inverses généralisés). Méthodes traditionnelles de l'analyse multivariée (ACP, AFC, PM); théorèmes d'optimalité associés. Méthodes mettant en jeu deux tableaux, méthodes de prédiction (ACP, AFD, PLS), méthodologies de recherche de co-information (AC et AIBT). Techniques à tableaux multiples avec STATIS, ACIMOG, DO-ACT.

Cible(s) de formation

Se familiariser avec l'étude théorique ainsi que la mise en pratique de méthodes bayésiennes non paramétriques pour l'estimation d'une distribution de probabilité et la régression.

Contenu

Estimation, distributions a priori, étude du processus de Dirichlet, arbres de Polya. Applications aux processus gaussiens, le design optimal en régression et l'analyse numérique bayésienne. Méthodes MCMC (Monte Carlo Markov Chain) et utilisation de R.

Cible(s) de formation

Acquérir des notions de base dans un certain nombre de domaines des probabilités et de la statistique, comme les processus stochastiques, l'estimation non paramétrique, l'étude des mesures et mesures aléatoires, les théorèmes limites, la décision statistique, en mettant l'accent sur des outils et concepts fondamentaux qui sont communs à ces domaines.

Contenu

Structures de covariance (uni, multi ou infini-dimensionnelles), applications au filtrage, aux splines, à la détection et à l'extraction de signaux, à l'estimation de densité ou de régression ainsi qu'à l'apprentissage.

Cible(s) de formation

Connaître quelques fondements théoriques du calcul stochastique.

Contenu

Rappels sur les processus aléatoires continus, mouvement brownien : ses propriétés principales et techniques classiques. Intégrales stochastiques, applications en finance et en biologie.

Cible(s) de formation

Acquérir un certain nombre d'outils statistiques pour l'analyse de données issues du contexte médical.

Contenu

Calcul bayésien (fonction de risque, estimation bayésienne, applications en médecine et biologie). Lois a priori, mesure de Prohorov. Applications : modèles linéaires et GLM, génomique. Méthodes numériques : Metropolis-Hastings, EM, SEM, … Processus de comptage, décomposition de Doob, martingales et théorème central limite. Vraisemblance partielle, application aux processus. Applications cliniques : survie avec censure non informative ou informative, survie ajustée sur la qualité de vie.

Cible(s) de formation

S'initier aux méthodes statistiques utilisées en analyse du génome et en génétique quantitative.

Contenu

Méthodes d'alignement (BLAST, FASTA), modèles de Markov caché ou semi-Markov caché des séquences biologiques. Modèles mixtes et applications en génétique quantitative.

Cible(s) de formation

S'initier aux processus du second ordre en temps discret et aux diffusions.

Contenu

Outils de base sur les processus stationnaires en temps discret, estimation de paramètres dans les modèles ARMA-ARIMA, modélisation par des équations différentielles stochastiques.

Cible(s) de formation

Comprendre les concepts et les méthodes de l'inférence statistique lorsque les variables aléatoires sous-jacentes sont à valeurs dans une variété.

Contenu

Méthodes d'estimation de moyenne intrinsèque et de fonctionnelles (densité, régression), procédures de test, cas de la sphère et cas de variétés plus générales. Données circulaires, axiales, et directionelles.

Cible(s) de formation

Tout en développant son expertise, prendre conscience de l'interaction entre différents aspects de la recherche opérationnelle de façon à en dégager une unité fondamentale par l'étude de thèmes choisis portant, par exemple, sur la programmation dynamique, la programmation stochastique, les réseaux, la gestion des stocks, la programmation continue ou discrète et les files d'attente; acquérir une expertise technique et une capacité à utiliser, implanter et développer des méthodes propres à la recherche opérationnelle.

Cible(s) de formation

Approfondir et compléter les notions vues dans les activités ROP 317 et ROP 630.

Contenu

Programmation linéaire: convergence du simplexe, théorie de la dualité. Algorithmes polynomiaux (Karmarkar et autres). Programmation non linéaire: ensembles et fonctions convexes. Théorèmes d'alternatives. Conditions d'optimalité. Dualité lagrangienne. Programmation structurée: restriction et génération de colonnes. Relaxation et génération de contraintes. Relaxation lagrangienne et lagrangien augmenté.

Cible(s) de formation

Acquérir une vision d'ensemble de la recherche opérationnelle en identifiant et comprenant les interactions entre différents aspects de celle-ci; développer une expertise dans le domaine.

Contenu

Étude de thèmes choisis portant, par exemple, sur la programmation dynamique, la programmation stochastique, les réseaux, la gestion des stocks, la programmation continue ou discrète, les files d'attente.

Cible(s) de formation

Les sujets traités sont fonction des développements récents en programmation linéaire et dépendent des sujets de recherche des étudiantes et étudiants de même que des personnes ressources au Département.

Cible(s) de formation

Connaître de façon approfondie les aspects algorithmiques des méthodes de programmation non linéaire.

Contenu

Convergence globale des algorithmes de descente; résolution des problèmes avec contraintes d'égalité : pénalité, lagrangien augmenté; cas particuliers des contraintes linéaires : contraintes actives, projection; problèmes avec contraintes d'inégalité : barrière, pénalité exponentielle; éléments d'optimisation non différentiables.

Cible(s) de formation

Comprendre et être en mesure d'utiliser les techniques de calcul d'espérances conditionnelles et celles liées à la manipulation de la convergence étroite en théorie des probabilités.

Contenu

Révision de la théorie des probabilités. Espérances conditionnelles. Martingales à temps discret et théorème de convergence de Doob. Convergence étroite, tension et théorème de la limite centrale.

Cible(s) de formation

Acquérir des connaissances sur différentes méthodes et différents modèles utiles pour l'analyse de données de survie. Être en mesure d'analyser les données de survie et de les traiter avec le logiciel R.  

Contenu

Censure; troncature; fonction de survie; risque instantané; risque instantané cumulé. Modèles paramétriques : loi exponentielle (risque instantané constant); loi Weibull et loi Gamma (risque instantané monotone); loi de Weibull généralisée; loi log-normale; loi log-logistique). Modèles semi-paramétriques (modèle des risques proportionnels; modèle de Cox; estimation des composantes; tests; adéquation du modèle; modèle de fragilité). Estimation non paramétrique (estimateur de Kaplan-Meier de la fonction de survie; estimateur de Nelson-Aelen du risque cumulé; estimateur de Breslow du risque cumulé; estimateur de Harrington et Fleming de la fonction de survie; comparaison de deux ou plusieurs groupes).

Cible(s) de formation

Maîtriser un certain nombre de sujets dont les applications dans divers domaines permettent de modéliser des situations complexes.

Contenu

Analyse en composantes principales. Analyse des corrélations canoniques et régression multidimensionnelle. Analyse des correspondances. Discrimination. Classification. Analyse factorielle d'opérateurs.

Contenu

Sujets traités en fonction des développements récents en probabilités et en fonction des sujets de recherche des étudiantes et étudiants de même que des personnes ressources au Département.

Cible(s) de formation

Acquérir les notions fondamentales que sont l'estimation et les tests d'hypothèses dans le cadre non paramétrique.

Contenu

Tests basés sur les rangs. Propriétés finies. Propriétés asymptotiques sous l'hypothèse nulle. Propriétés asymptotiques sous alternatives contiguës. Estimateurs de Hodges Lehmann. Propriétés finies et asymptotiques.

Contenu

Sujets traités en fonction des développements récents en statistique et en fonction des sujets de recherche des étudiantes et étudiants de même que des personnes ressources du Département.

Cible(s) de formation

Approfondir ses connaissances sur les tests d'hypothèses et faire le lien avec la théorie de la décision.

Contenu

Rappels sur la théorie de l'estimation. Les tests d'hypothèses et le problème général de la théorie de la décision. Tests uniformément plus puissants. Tests non biaisés et applications. Invariance. Hypothèses linéaires. Principe du minimax.

Cible(s) de formation

Approfondir ses connaissances en statistique en utilisant l'approche de la théorie de la décision statistique et de l'analyse bayésienne.

Contenu

Concepts de base d'un problème de décision statistique et d'analyse bayésienne. Lois a priori et a posteriori. Fonctions de coût. Règles aléatoires, règles de Bayes, règles minimax et maximin. Notions d'admissibilité et de dominance. Exhaustivité. Règles de décision invariantes. Sujets choisis parmi l'estimation de Stein, l'estimation sous contraintes, l'estimation par intervalles et les tests d'hypothèses.

Cible(s) de formation

Acquérir les notions et les outils de base propres à l'étude des séries chronologiques et faire le lien avec l'étude des processus stochastiques.

Contenu

Processus stochastiques (généralités). Description et caractéristiques des séries chronologiques. Transformées de Fourier. Analyse statistique des séries chronologiques. Analyse spectrale des processus linéaires. Lissage des estimateurs spectraux.

Cible(s) de formation

Compléter et approfondir ses connaissances en statistique mathématique.

Contenu

Fonctions de variables aléatoires, fonction génératrice des moments, quelques inégalités et identités en probabilité, familles de distributions dont la famille exponentielle, vecteurs aléatoires, loi multinormale, espérances conditionnelles, mélanges et modèles hiérarchiques. Théorèmes de convergence, méthodes de simulation, statistiques d'ordre, exhaustivité, vraisemblance. Estimation ponctuelle et par intervalles : construction d'estimateurs et critères d'évaluation, méthodes bayésiennes. Normalité asymptotique et efficacité relative asymptotique.

Cible(s) de formation

Mettre en pratique la méthodologie des premières étapes de la recherche scientifique.

Contenu

Recherche bibliographique permettant de situer son projet de recherche par rapport aux recherches existantes, définition d'une problématique de recherche, détermination des hypothèses de travail, élaboration de la méthodologie à être utilisée. À la fin de l'activité, dépôt d'un plan préliminaire de sa recherche.

Cible(s) de formation

Mettre en pratique la méthodologie des dernières étapes de la recherche scientifique.

Contenu

Précision de la problématique de recherche et des hypothèses de travail, poursuite de la réalisation du projet. Au terme de l'activité, rédaction autorisée de son mémoire.