Aller au contenu principal
✏️ L3 • Data / Économétrie avancée Disponible

Choisir une loi, estimer ses paramètres et vérifier ses implications

Maximum de vraisemblance, bootstrap, tests non-paramétriques, inférence bayésienne et sélection de modèles.

1 QCM disponible 20 Questions dans les QCM

Banque publiée de la matière : 20 questions au total. Les compteurs ci-dessus concernent les QCM listés sur cette page. Explorer aussi les fiches notions et leurs entraînements.

Commencer à réviser

Choisis un QCM et tes scores s'enregistreront automatiquement.

← Toutes les matières L3
🤖 Auto Disponible

QCM modelisation-statistique L3 - Vraisemblance, sélection de modèles, bootstrap et GLM

QCM de 20 questions avec corrections détaillées sur Vraisemblance, sélection de modèles, bootstrap et GLM (modelisation-statistique). Révisez efficacement avec des explications pédagogiques pour le niveau L3.

20 questions Intermédiaire Jusqu'à 40 XP
Révision Challenge Examen
Voir ce QCM

Présentation de Modélisation statistique

La Modélisation statistique fournit les outils d'estimation et de sélection de modèles : maximum de vraisemblance (MLE), bootstrap, tests non-paramétriques, inférence bayésienne (MCMC), critères AIC/BIC et modèles linéaires généralisés (GLM).

Objectifs pédagogiques

Maîtriser la construction et la validation de modèles statistiques avancés : modèles linéaires généralisés, approche bayésienne et sélection de modèles, pour modéliser des phénomènes économiques complexes et quantifier l'incertitude.

Auteurs de référence en Modélisation statistique

Les penseurs et théoriciens incontournables abordés dans nos QCM et dans les programmes universitaires.

Peter McCullagh John Nelder Andrew Gelman Bradley Efron

Notions et périmètre de Modélisation statistique en Licence 3

Repères de cours pour situer la matière. Le contenu de chaque questionnaire est précisé sur sa page ; confrontez ce périmètre à votre propre cours.

Modèle linéaire généralisé (GLM)
Régression de Poisson et modèles de comptage
Modèles à effets mixtes
Inférence bayésienne : a priori, a posteriori, MCMC
Sélection de modèles : AIC, BIC, vraisemblance
Diagnostic et validation des modèles
Rééchantillonnage : bootstrap et jackknife

Compétences visées en Modélisation statistique

  • Relier le support d’une variable à une famille de modèles.
  • Interpréter les coefficients d’un logit et d’un modèle de Poisson.
  • Comparer des modèles avec leurs hypothèses et leur complexité.
  • Choisir un rééchantillonnage adapté aux unités observées.

La distribution fait partie de la question économique

Modéliser ne consiste pas seulement à tracer une courbe moyenne. Il faut spécifier les valeurs possibles de la réponse et la façon dont son incertitude varie. Un nombre d’achats est entier et non négatif ; une décision d’adhésion est binaire ; une dépense strictement positive peut être très asymétrique. Une erreur gaussienne additive peut être acceptable pour certaines grandeurs, mais produire des prédictions impossibles pour d’autres. Le choix du modèle commence donc par le mécanisme de mesure, les unités et la structure de dépendance des observations.

La vraisemblance considère les données observées comme fixées et évalue les paramètres qui les rendent plus compatibles avec une famille probabiliste. Sous indépendance, elle est le produit des contributions individuelles ; son logarithme les transforme en somme. Ce n’est pas la probabilité que le paramètre soit vrai. Le maximum de vraisemblance possède de bonnes propriétés asymptotiques sous des conditions de régularité, mais un petit échantillon, une frontière du domaine ou une mauvaise spécification peuvent rendre les approximations usuelles peu fiables.

Les modèles linéaires généralisés relient moyenne et prédicteurs

Un GLM associe une famille de distributions, un prédicteur linéaire et une fonction de lien. Si la moyenne conditionnelle est μ, le lien impose $g(\mu)=X\beta$. La linéarité concerne cette échelle transformée, pas nécessairement la réponse brute. Pour une variable binaire, le lien logit transforme la probabilité p en logarithme de p/(1 − p), c’est-à-dire en log-cote. Le coefficient d’une variable représente une variation de log-cote, tandis que son exponentielle représente un rapport de cotes à caractéristiques maintenues constantes.

Pour un comptage de Poisson, le lien logarithmique impose une moyenne positive. Une augmentation d’une unité de x multiplie cette moyenne par l’exponentielle de son coefficient. Lorsque les périodes d’observation diffèrent, un offset logarithmique de l’exposition permet de modéliser un taux plutôt qu’un nombre brut. Dans le Poisson standard, moyenne et variance conditionnelles sont égales ; une surdispersion invite à examiner hétérogénéité, dépendance ou modèle binomial négatif. Changer uniquement les erreurs-types ne corrige pas toutes les défaillances de la distribution prédictive.

Hétérogénéité, effets mixtes et raisonnement bayésien

Des salariés appartenant à la même entreprise peuvent partager des facteurs non mesurés. Un modèle à effets mixtes ajoute par exemple un intercept propre à chaque entreprise, tiré d’une distribution commune. Il distingue alors variabilité entre entreprises et variabilité individuelle. Le partage d’information produit une contraction des estimations des petits groupes vers la moyenne commune. Cette régularisation peut améliorer la précision, mais dépend d’hypothèses sur les effets de groupe et leur relation avec les variables explicatives. Ce n’est pas automatiquement le modèle économétrique à effets fixes.

L’approche bayésienne combine une vraisemblance et une distribution a priori pour obtenir une distribution a posteriori. Un intervalle crédible porte une probabilité conditionnelle sur le paramètre dans ce modèle, contrairement à un intervalle de confiance fréquentiste. La sensibilité aux choix a priori mérite une vérification, surtout avec peu de données. Lorsque le calcul utilise des chaînes de Monte-Carlo, il faut examiner mélange, convergence et taille effective des tirages. Un grand nombre d’itérations fortement dépendantes ne garantit pas une exploration satisfaisante de la distribution recherchée.

Comparer les modèles sans récompenser seulement la complexité

Ajouter des paramètres augmente généralement la vraisemblance maximisée, sans garantir de meilleures prédictions. Le critère $AIC=-2\ell+2k$ pénalise cette flexibilité ; ℓ est la log-vraisemblance maximisée et k le nombre de paramètres estimés. Le BIC remplace 2k par k log(n). On retient le plus petit critère dans une comparaison pertinente, sur les mêmes observations et avec des vraisemblances comparables. Une différence de critère n’est ni une p-value ni une mesure absolue de vérité du modèle.

Les diagnostics examinent ce que le modèle implique : distribution des résidus, fréquence des zéros, dispersion, calibration des probabilités et influence de certaines observations. Une validation hors échantillon évalue directement un objectif prédictif, avec une séparation respectant les groupes ou le temps. Pour un logit, classer correctement une majorité de non-adhérents peut masquer des probabilités mal calibrées. On distingue donc qualité probabiliste, utilité d’une règle de décision et interprétation économique. Aucune de ces qualités ne suffit à établir un effet causal.

Exemple calculé : de la vraisemblance à la probabilité prédite

Une enquête fictive enregistre 12 adhésions sur 30 sollicitations indépendantes avec une probabilité commune p. La vraisemblance est proportionnelle à $p^{12}(1-p)^{18}$. Sa log-vraisemblance, à une constante près, vaut 12 log(p) + 18 log(1 − p). L’annulation de la dérivée donne 12/p − 18/(1 − p) = 0, donc 12(1 − p) = 18p et p estimé = 0,40. Cette valeur décrit une probabilité par sollicitation, sans unité monétaire.

Dans un modèle logit limité à une constante, le coefficient estimé vaut log(0,40/0,60), soit environ −0,405. Supposons ensuite qu’un modèle plus riche fournisse un coefficient de 0,50 pour une caractéristique augmentant d’une unité. À partir du même prédicteur initial, la nouvelle log-cote vaut 0,095 et la probabilité devient 1/(1 + exp(−0,095)), soit environ 0,524. La hausse est donc de 12,4 points de pourcentage, et non de 50 points : l’effet sur la probabilité dépend du point de départ.

Si deux modèles comparables présentent respectivement une log-vraisemblance de −50 avec trois paramètres et de −47 avec cinq paramètres, leurs AIC valent 106 et 104. Le second est préféré selon ce critère, malgré sa pénalité plus forte. Cela ne démontre pas que ses variables soient causales ni que le gain se reproduise dans une autre population. Une vérification de calibration et une évaluation indépendante restent nécessaires avant de transformer cette comparaison en décision opérationnelle.

Méthode : rééchantillonner la bonne unité

Le bootstrap non paramétrique tire avec remise des unités observées et recalcule la statistique pour chaque échantillon. Pour une régression sur des individus indépendants, on peut tirer les lignes complètes afin de conserver les couples de variables. Pour des observations groupées, tirer isolément les lignes détruit la dépendance : un bootstrap par groupes peut être plus approprié. Pour une série temporelle, des blocs permettent de préserver une partie de la structure locale. Le choix n’est donc pas déterminé seulement par la présence d’un bouton bootstrap.

Définir la statistique, la stratégie de tirage et l’intervalle avant de lancer les réplications. Un intervalle percentile utilise des quantiles empiriques, tandis que des méthodes corrigées cherchent à améliorer certains biais de couverture. Elles ne sont pas universellement valides, notamment pour des paramètres irréguliers ou des échantillons dégénérés. Le jackknife retire successivement des unités et sert à étudier sensibilité ou biais dans des cadres adaptés. Enfin, rééchantillonner un fichier biaisé ne recrée pas les unités absentes : l’incertitude de calcul ne remplace pas l’analyse de représentativité.

Questions de cours

Un coefficient logit de 0,5 augmente-t-il la probabilité de 50 % ?

Non. Il augmente la log-cote de 0,5 par unité. Le rapport de cotes vaut exp(0,5) et la variation de probabilité dépend du niveau initial et des autres variables.

Pourquoi ajouter une exposition dans un modèle de comptage ?

Deux unités observées pendant des durées différentes n’ont pas les mêmes occasions de produire des événements. Un offset approprié permet de comparer des taux plutôt que des nombres bruts.

Le modèle au plus petit AIC est-il vrai ?

Non. L’AIC arbitre ajustement et complexité dans un ensemble comparable de modèles. Tous peuvent être mal spécifiés.

Le bootstrap fonctionne-t-il sans hypothèses ?

Non. Sa validité dépend de la statistique, de l’échantillonnage et de la dépendance. Les groupes et séries demandent des schémas adaptés.

Fiches pour approfondir Modélisation statistique

Bibliographie recommandée en Modélisation statistique

Ouvrages de référence utilisés dans les universités françaises pour Licence 3

Bayesian Data Analysis

• CRC Press •

ISBN : 978-1439840955

Generalized Linear Models

• Chapman & Hall •

ISBN : 978-0412317606

Computer Age Statistical Inference

• Cambridge University Press •

ISBN : 978-1107149892

Ces lectures éclairent le périmètre traité. Le contenu est à confronter au cours de votre établissement ; il ne constitue pas un programme officiel.

Comment réviser Modélisation statistique efficacement ?

Relire le cours

Commencez par relire vos notes et le manuel de référence pour rafraîchir les concepts clés.

Mode Révision

Utilisez le mode Révision avec les indices et corrections détaillées pour tester vos connaissances.

Mode Examen

Une fois prêt, passez en mode Examen pour vous évaluer dans les conditions réelles.