Le cours est composé en trois principales parties :

• les approches descriptives multivariées (analyse en composantes principales, analyse canonique des corrélations, classification hiérarchique),

• les modèles de régression (régressions simple et multiple, hypothèses d'utilisation, choix de modèles, sélection de variables, méthode Ridge, méthode pas-à-pas, ANOVA simple),

• les modèles de séries temporelles (AR, MA, ARMA, etc).

Des exemples d'application environnementale pour chaque partie seront traités en utilisant les logiciels R ou Matlab.

N.B. Un cours de mathématiques appliquées (ETE406 ou équivalent) est un préalable obligatoire pour suivre ce cours.

L’objectif principal de ce cours est de présenter des techniques et des méthodes de la statistique multivariée. A la fin de ce cours l’étudiant devrait être capable de:

1. Maitriser les différents modèles de régression
2. Extraire de l’information à partir d’un échantillon multivarié
3. Faire une classification
4. Effectuer des comparaisons multiples
5. Donner un aperçu sur les différentes méthodes d’analyse des données temporelles.

• Notes de cours

• Exposés magistraux donnés sur Zoom