[{"command":"insert","method":null,"selector":".course-modal-ajax-placeholder-963880","data":"\u003Cdiv class=\u0022container content-rte\u0022\u003E\n  \u003Cdiv class=\u0022row\u0022\u003E\n    \u003Cdiv class=\u0022box col-md-6 bg-primary text-white\u0022\u003E\n      \u003Ch2 class=\u0022h1 text-left\u0022\u003E  Statistique  non param\u00e9trique\n\u003C\/h2\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EECTS :\n          6\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ESemestre calendaire :\n          Annualis\u00e9\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ED\u00e9tail du volume horaire\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ECours magistraux :\u003C\/span\u003E\n                                      \u003Cspan\u003E26\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                              \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ETravaux dirig\u00e9s :\u003C\/span\u003E\n                                      \u003Cspan\u003E25\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                                            \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ELangue d\u0026#039;enseignement\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EFran\u00e7ais\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EEnseignement \u00e0 distance\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003Enon\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n    \u003Cdiv class=\u0022box col-md-6\u0022\u003E\n                    \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EProgramme \/ plan \/ contenus\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003ELe module est une introduction \u00e0 la statistique non param\u00e9trique. Il est partiellement mutualis\u00e9 et comprend une premi\u00e8re partie commune aux deux masters M2 ISADS et Math\u0026amp;AS, ainsi qu\u0027une partie d\u0027approfondissement th\u00e9orique destin\u00e9e aux \u00e9tudiants de M2 Math\u0026amp;AS. Dans la premi\u00e8re partie, les bases de la statistique non param\u00e9trique seront introduites. Les sujets trait\u00e9s incluent :\u0026nbsp;\u003C\/p\u003E\n\u003Cp\u003E* la construction des estimateurs \u00e0 noyau et des estimateurs par projection de la fonction de densit\u00e9,\u0026nbsp;\u003C\/p\u003E\n\u003Cp\u003E* les mod\u00e8les de r\u00e9gression,\u0026nbsp;\u003C\/p\u003E\n\u003Cp\u003E* les estimateurs dans les probl\u00e8mes inverses, * les r\u00e9gions de confiance non param\u00e9triques,\u0026nbsp;\u003C\/p\u003E\n\u003Cp\u003E* les tests non param\u00e9triques.\u0026nbsp;\u003C\/p\u003E\n\u003Cp\u003ECette partie th\u00e9orique sera enrichie par des s\u00e9ances de travaux dirig\u00e9s et des mises en \u0153uvre des m\u00e9thodes sur des donn\u00e9es r\u00e9elles, permettant ainsi d\u0027acqu\u00e9rir une exp\u00e9rience pratique.\u0026nbsp;\u003C\/p\u003E\n\u003Cp\u003ELa deuxi\u00e8me partie, destin\u00e9e aux \u00e9tudiants de M2 Math\u0026amp;AS, se concentre sur un approfondissement th\u00e9orique des m\u00e9thodes. Elle traite notamment des estimateurs adaptatifs et des bornes inf\u00e9rieures pour d\u00e9montrer l\u0027optimalit\u00e9 au sens minimax des estimateurs vus en cours dans des mod\u00e8les \u00e0 densit\u00e9.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n                                                \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ENature de l\u0026#039;\u00e9valuation\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EEvaluation Continue non Int\u00e9grale\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n  \u003C\/div\u003E\n\u003C\/div\u003E\n","settings":null}]