modélisationstatistiqueformav.eu/ipsl/modelisationstatistique.pdf · 2015. 3. 24. · martine...
TRANSCRIPT
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
Modélisation StatistiqueStatistiquesdescriptives
Modélisation
Linéaire Non Linéaire
Régressionlinéaire
Analyse en composantesprincipales Cartes topologiques
Classification
Régression
Supervisé
Perceptronmulti-couches
24 mars 2015
https://e-campus.latmos.ipsl.fr/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
1/19
Sommaire du documentPlanSchéma de la modélisation statistiqueStatistiques descriptives
Découpage des coursStatistiques unidimensionnellesStatistiques bidimensionnellesStatistiques multidimensionnelles
Modélisation linéaireRégression linéaireAnalyse en composantes principales
Modélisation non linéairePerceptron multicouchesCartes topologiques
BibliographieNous joindre
Dans ce document tous les liens actifs sont en vert
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
2/19 Schéma de la modélisation statistiqueStatistiquesdescriptives
Modélisation
Linéaire Non Linéaire
Régressionlinéaire
Analyse en composantesprincipales Cartes topologiques
Classification
Régression
Supervisé
Perceptronmulti-couches
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
3/19
Statistiques
descriptivesStatistiquesdescriptives
unevariable
X
unevariable
X
deuxvariables
X ,Y
deuxvariables
X ,Y
plusieursvariables
Xk k ∈ [1, n]
plusieursvariables
Xk k ∈ [1, n]
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
4/19
Cours de statistiques descriptivesLe cours de statistiques descriptives comporte 3 cours:
I Statistiques unidimensionnellesI Statistiques bidimensionnellesI Statistiques multidimensionnelles
Statistiquesunidimensionnelles
Description du cours
Statistiquesbidimensionnelles
Description du cours
Description du coursStatistiquesmultidimensionnelles
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/http://mmse-uved.ipsl.jussieu.fr/html/modulesmetho1.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho2.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho3.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho1.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho1.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho1.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho2.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho2.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho2.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho4.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho4.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho4.html
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
5/19 Statistiques unidimensionelles 1/2Caractéristiques:
I une seule variable X qui peut prendre n valeurs xiParamètres:
I moyenneI médianeI quartilesI variance et écart type
Représentations graphiques:
I camembertsI histogrammesI boîtes à moustaches
Accès à la description du cours
Étude de cas
Statistiquesunidimensionnelles
Paramètres
MoyenneQuartiles:
médiane etautres quartiles
VarianceEcart type
Représentationsgraphiques
Camemberts Histogrammes Boîtes àmoustaches
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/http://mmse-uved.ipsl.jussieu.fr/html/modulesmetho1.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/etudecas2.html
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
6/19
Statistiques unidimensionelles 2/2
Statistiquesunidimensionnelles
Paramètres:Moyenne
x =1
n
n∑i=1
xi
Variance
V(X) =1
n
n∑i=1
(xi − x)2
Représentations graphiques:
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
7/19 Statistiques bidimensionelles 1/2
Caractéristiques:
I Deux variables X et YIndicateurs:
I CovarianceI Coefficient de corrélation
Représentations graphiques:
I Diagrammes de dispersionI Histogramme 2D
Accès à la description du cours
Étude de cas:Données environnementales
et effet de serre
Statistiquesbidimensionnelles
Déterminationdes indicateurs
Covariance Coefficientde corrélation
Représentationsgraphiques
Diagrammesde dispersion
Histogrammes2D
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/http://mmse-uved.ipsl.jussieu.fr/html/modulesmetho4.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/etudecas3.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/etudecas3.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/etudecas3.html
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
8/19
Statistiques bidimensionelles 2/2
Statistiquesbidimensionnelles
Paramètres:σX =
√V(X) σY =
√V(Y )
Covariance
Cov(X, Y ) =n∑
i=1(xi − x)(yi − y)
Coefficient de corrélation
rxy = Cor(X, Y ) =Cov(X, Y )
σX σY
Représentations graphiques:
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
9/19 Statistiques multidimensionelles 1/2Caractéristiques:
I Un grand nombre de variables XnIndicateurs:
I Vecteur moyenI Matrice de covarianceI Coefficient de corrélation
Représentations graphiques:
I Représentation géométriqueI Ellipsoïde de Mahalanobis
Accès à la description du cours
Statistiquesmultidimensionnelles
Déterminationdes indicateurs
Vecteur moyen Matrice decovariance
Matrice decorrélation
Représentationsgraphiques
Réprésentationgéométrique
Ellipsoïde deMahalanobis
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/http://mmse-uved.ipsl.jussieu.fr/html/modulesmetho4.html
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
10/19
Statistiques multidimensionelles 2/2
Statistiquesmultidimensionnelles
Paramètres:Sij = Cov(Xi , Xj ) et Sii = V(Xi )rij = Cor(Xi , Xj )
Matrice de covarianceS11 . . . S1p
.
.
....
.
.
.Sp1 . . . Spp
Matrice de corrélation
r11 . . . r1p...
.
.
....
rp1 . . . rpp
Représentation graphique:
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
11/19
Modélisation linéaireModélisation linéaire
Régressionlinéaire
Régressionlinéaire
Analyseen
composantes
principales
Analyseen
composantesprincipales
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
12/19
Modélisation linéaireModélisation Linéaire
Deux variables X, Y
Régressionlinéaire
Analyse en composantesprincipales ACP
n variablesXk k ∈ [1, n]
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/http://mmse-uved.ipsl.jussieu.fr/html/modulesmetho3.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho3.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho3.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho5.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho5.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho5.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/modulesmetho5.html
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
13/19
Régression linéaireAccès à la description du cours
RégressionModélisationy = f (x)
Régression linéaire :Méthode des
moindres carrés
Modèle déterministe
Déterminationde a et b
par la méthode desmoindres carrés
Détermination de lavariable aléatoire �
Régression Linéaire
y = ax + b
Modèle probabiliste
Régression
y = ax + b + �� variable aléatoire
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/http://mmse-uved.ipsl.jussieu.fr/html/modulesmetho3.html
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
14/19 Analyse en composantes principalesAccès à la description du cours
Première étude de cas:Variables climatiques liées à l’effet
de serre
Deuxième étude de cas :Températures locales et effet de serre
Analyse encomposantes principales
Méthodes
Diagonalisation Méthode desmoindres carrés
But
Diminuerle nombre de variables
Obtenir desreprésentations
graphiques
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/http://mmse-uved.ipsl.jussieu.fr/html/modulesmetho5.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/etudecas4.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/etudecas4.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/etudecas4.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/etudecas5.htmlhttp://mmse-uved.ipsl.jussieu.fr/html/etudecas5.html
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
15/19
Modélisation
non linéaireModélisationnon linéaire
Cartestopologique
sCartestopologiques Perceptron
multicouchesPerceptronmulticouches
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
16/19 Perceptron multicouches
Les vidéos ci-dessous extraites d’une conférence de Sylvie Thiriavous permettront d’avoir un aperçu sur le perceptronmulticouche
Perceptron :introductionVidéo
Modèle directModélisation de la
fonction de transfertVidéo
Modèle directModélisation de l’incertitude
Vidéo
Modèle inversePerceptron Modèle inverse
Vidéo
Accès au cours sur IPSL formations
Etude de cas 1 : Régressionpar Perceptron Multicouche
Etude de cas 2 : Classificationpar Perceptron Multicouche
Application aux iris de Fisher
Etude de cas 3 : Reconnaissancedes chiffres manuscrits Codage desdonnées Masques et poids partagés
Etude de cas 4 : Modélisation dela fonction de transfert du diffu-
siomètre NSCAT et des incertitudes
Etude de cas 5 : Inversion desobservations du radiomètre Sea-WiFS pour la quantification desaérosols- comparaison avec l’al-gorithme standard de la NASA
Etude de cas 6 : Modélisation deséries chronologiques - Applica-
tion à la prévision du trafic SNCF
Etude de cas 7 : Etude de la prévis-ibilité de séries chronologiques detempératures issues de la base dedonnées ERA-Interim du centreEuropéen au moyen de modèlesneuronaux (perceptron multi-couches et cartes de Kohonen)
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/mailto:[email protected]://formav.eu/UPSAPHP/perceptronh/http://formav.eu/UPSAPHP/perceptronh/http://formav.eu/UPSAPHP/perceptrondirectft/http://formav.eu/UPSAPHP/perceptrondirectft/http://formav.eu/UPSAPHP/perceptrondirectft/http://formav.eu/UPSAPHP/perceptrondirectft/https://e-campus.latmos.ipsl.fr/ipsl/apprentissage.phphttps://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
17/19 Cartes topologiques
Les vidéos ci-dessous extraites d’une conférence de Sylvie Thiriavous permettront d’avoir un aperçu sur les cartes topologiques(cartes de Kohonen)
Couleur de l’océanVidéo
Polution atmosphériqueVidéo
Accès au cours sur IPSL formations
Etude de cas 1 : Classificationpar cartes topologiques - Util-
isation de la SOM Toolbox
Etude de cas 2 : Caractérisationde phénomène d’upwelling
au large du Sénégal à partirtempératures de surface de
l’océan et des concentration enChlorophylle-a observées par satellite
Etude de cas 3 : Etude et prévi-sion du phénomène El Nino à
partir des anomalies mensuellesde températures de surface de lamer observées par satellite prèsdes côtes d’Amérique du Sud.
Etude de cas 4 : Etude de la prévis-ibilité de séries chronologiques detempératures issues de la base dedonnées ERA-Interim du centreEuropéen au moyen de modèlesneuronaux (perceptron multi-
couches et cartes topologiques)
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/mailto:[email protected]://e-campus.latmos.ipsl.fr/ipsl/topologique.phphttps://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/https://e-campus.latmos.ipsl.fr/web/app.php/
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
18/19
Ouvrages sur la modélisation statistique
1. Saporta ,Probabilités, analyse des données et statistique, Springer 2011
2. G. Dreyfus, J.M. Martinez, M. Samuelides, M.B. Gordon, F. Badran, S. Thiria [2008], Apprentissage statistique(Réseaux de neurones, Cartes topologiques, Machines à vecteurs supports), Eyrolles 3ème édition, 2008.
3. Christopher M. Bishop [2006], Pattern recognition and machine learning, Springer 2006
4. Vladimir N. Vapnik , Statistical Learning Theory , Wiley 1998
5. Richard O. Duda, Peter E. Hart, David G. Stork, Pattern Classification, 2nd Edition Wiley 2000
6. Kohonen, Teuvo, Self-Organizing Maps Springer 2001
Page précédente Plan Nous joindre Page suivante
https://e-campus.latmos.ipsl.fr/http://www.editionstechnip.com/fr/catalogue-detail/149/probabilites-analyse-des-donnees-et-statistique.htmlhttp://www.eyrolles.com/Informatique/Livre/apprentissage-statistique-9782212122299http://www.eyrolles.com/Informatique/Livre/apprentissage-statistique-9782212122299http://www.springer.com/computer/image+processing/book/978-0-387-31073-2http://eu.wiley.com/WileyCDA/WileyTitle/productCd-0471030031.htmlhttp://eu.wiley.com/WileyCDA/WileyTitle/productCd-0471056693.htmlhttp://www.springer.com/gp/book/9783540679219
-
Modélisationstatistique
Plan
Schéma de lamodélisationstatistique
StatistiquesdescriptivesDécoupage des cours
Statistiquesunidimensionnelles
(suite)
Statistiquesbidimensionnelles
(suite)
Statistiquesmultidimensionnelles
(suite)
ModélisationlinéaireRégression linéaire
Analyse encomposantesprincipales
Modélisation nonlinéairePerceptronmulticouches
Cartes topologiques
Bibliographie
Nous joindre
19/19
Nous joindre
I Les responsables du MASTER TRIEDI Les enseignants
Cécile MalletCécile Mallet est maître de conférences à l’UVSQ
et enseigne dans le master TRIED
Sylvie ThiriaSylvie Thiria est Professeur d’université
et enseigne dans le master TRIED
Page précédente Plan
https://e-campus.latmos.ipsl.fr/mailto:[email protected]:[email protected]:[email protected]:[email protected]
PlanSchéma de la modélisation statistiqueStatistiques descriptivesDécoupage des coursStatistiques unidimensionnelles Statistiques bidimensionnellesStatistiques multidimensionnelles
Modélisation linéaireRégression linéaireAnalyse en composantes principales
Modélisation non linéairePerceptron multicouchesCartes topologiques
BibliographieNous joindre