Table des matières Table of contents

Transcription

1 Table des matières Table of contents Master degree in statistics Années académiques: Academic years: Message du Directeur des études A Message From the Director of Studies La statistique: un pari vers l avenir Statistics: A Challenge For the Future Les activités du statisticien What Does the Work of a Statistician Entail? 9 Pays et ville de Neuchâtel 10 Le diplôme postgrade 11 The master s degree Cours et crédits / Courses and their credits Enseignement & résumés des cours Teatchers & Courses Summaries Mémoires réalisés 25 Commentaires d étudiants Coût des études / Cost of study L institut de statistique vous accueille à Neuchâtel / Plan de situation Formulaires d inscription 1

2

3 La statistique : un pari pour l avenir Message du Directeur des études A Message From the Director of Studies Yves Tillé, Director of Studies Master's degree in statistics L'objectif du Postgrade en statistique est de proposer une formation solide aussi bien en théorie statistique que dans le traitement pratique de l'information. Ainsi, les cours de théorie statistique sont complétés par de nombreux séminaires, et des séances d'apprentissage de logiciels statistiques. Le corps enseignant est constitué des meilleurs spécialistes suisses et étrangers. Le Postgrade en statistique est basé sur un système de crédits, ce qui laisse à chaque étudiant la possibilité de travailler à son rythme, et en fonction de ses disponibilités. Depuis sa création par le professeur Yadolah Dodge en 1989, cette formation de troisième cycle a connu un succès considérable. Plus de 200 étudiants ont suivi ces cours. Les raisons de ce succès sont multiples. En effet, ce diplôme répond à la fois à un besoin de notre société et à un intérêt croissant du public pour cette discipline. C'est avec plaisir que l'institut de Statistique de l' se tient à disposition pour tout complément d'information ou renseignement. Aussi n'hésitez pas à vous inscrire au diplôme Postgrade en statistique. The aim of the Master's degree in statistics is to provide students with a solid grounding in statistical theory and the practical skills needed to process information. This is why statistical theory courses are combined with numerous seminars as well as workshops showing students how to use statistical software. The faculty is composed of the best specialists from both Switzerland and abroad. The Master's degree in statistics is based on a credits system, which allows each student to work at his/her own pace according to his/her program. The Master's degree program has been quite successful ever since it was founded by Professor Yadolah Dodge in Over 200 students have taken part in the program. The reasons for this success are manifold. The Master's degree program satisfies a need in our society as well as growing public interest in statistics. Contact the University of Neuchâtel's Institute of Statistics for any questions or comments you may have and feel free to enroll for the Master's degree in statistics. Yves Tillé, Director of Studies, Master's degree in statistics L évolution des professions tend à la diversification. Il ne suffit plus de maîtriser un seul domaine de la technique ou de la gestion, mais il faut savoir intégrer des éléments provenant de plusieurs disciplines pour gérer un ensemble cohérent d informations et de données. La statistique joue un rôle important dans cette évolution car elle aide à trier l information et à n en garder que l essentiel pour en tirer des conclusions pertinentes. Pour se convaincre de la nécessité de disposer d outils statistiques, il suffit de penser par exemple aux décisions économiques où le volume d information est toujours grandissant et en évolution permanente. Plus précisément, dans le domaine financier, les banques ne peuvent plus se fier uniquement aux méthodes traditionnelles, mais font appel à des méthodes de prévision qui doivent être fiables. Des exemples concrets de méthodes statistiques, actuellement utilisées dans de nombreuses banques, sont les séries chronologiques, avec le problème de désaisonnalisation, ainsi que des techniques non paramétriques et robustes. Un expert de la gestion de portefeuille est donc amené à se familiariser avec ces techniques. Sciences économiques Dans le domaine de l analyse économique, les techniques statistiques permettent de développer la théorie des indices, grandeurs qui permettent de résumer l évolution temporelle d un grand nombre d observations. La statistique permet également d étudier les parités de pouvoir d achat et notamment de comparer les niveaux des prix. La théorie des processus stochastiques permet d étudier des systèmes qui évoluent au cours du temps selon certaines lois de probabilité et peut être appliquée à la statistique financière. Dans l industrie, les plans d expérience mettent en oeuvre des techniques statistiques visant à l amélioration du contrôle de la qualité. Dans le vaste domaine de la démographie, certains outils statistiques permettent de faire des projections de populations à l aide de modèles de prévisions sophistiqués. Santé Dans un autre contexte, les programmes de vaccination ont fait l objet d études statistiques. En effet, il s agit de déterminer les couches de la population les plus exposées au risque de contamination, le taux de transmission de la maladie étudiée, ainsi que les bénéfices et les effets secondaires de la vaccination. Ces préoccupations, comme celles touchant aux domaines économiques, s inscrivent dans le cadre de la statistique computationnelle et de la simulation à l aide de logiciels. Dans le domaine de la santé, la statistique occupe une place importante, notamment dans l analyse des données de survie. Dans ce cas, l intérêt porte principalement sur l analyse de la durée du temps de survie d un ou plusieurs groupes de patients, après administration de différentes modalités thérapeutiques. Par exemple, parmi les insuffisants rénaux, ce type d analyse permet d apprécier la différence en terme de survie entre ceux qui auront bénéficié d une greffe rénale et les dialysés. Ces théories s appliquent également pour apprécier des temps de rémission (patients cancéreux, SIDA) et permettent de valider la qualité des traitements administrés. Essais cliniques Toujours dans le domaine médical, les plans et essais cliniques sont non seulement particulièrement adaptés à l étude des traitements de maladies chroniques, comme l asthme, les rhumatismes ou la migraine, mais sont aussi nécessaires pour tester les nouvelles molécules ou les nouveaux traitements. Pour résumer, la compétence sur le plan statistique et l aptitude à maîtriser l information reçue en permanence doivent être enseignées par des spécialistes. Il faut combiner l expérience, la pratique et la théorie; c est pourquoi, ce cours postgrade en statistique convient aussi aux personnes exerçant déjà une activité professionnelle. 4 5

4 Statistics: A Challenge For the Future Professions are becoming increasingly multidisciplinary. It is no longer enough to master only one technological or managerial field, we must know how to combine aspects from several different disciplines in order to manage a coherent body of information and data. The field of statistics plays an important role in this sense because it helps us "to sort out" information and to keep only the essential in order to draw relevant conclusions. The importance of statistical tools becomes clear when one considers the steadily increasing flow of raw data that needs to be processed in order for economic decisions to be made. In the financial field, for example, banks simply can no longer rely exclusively on traditional methods. They depend instead on reliable forecasting methods. Specific examples of statistical methods currently used in many banks are seasonally adjusted time series as well as nonparametric and robust techniques. Portfolio manager are therefore obliged to familiarize themselves with such techniques. Economics Statistical techniques can be applied to the field of economic analysis to develop index theories, which are used to summarize temporal variations for a large number of observations. Statistics can also be used to examine purchasing power parities and, more specifically, to compare price levels. The theory of stochastic processes allows us to study systems that change over time on the basis of certain laws of probability. It can therefore be applied to financial statistics. In industry, experimental designs make use of statistical techniques to improve quality control. In the vast field of demography, certain statistical tools allow us to anticipate population growth using sophisticated forecasting models. Health In the field of health, vaccination programs have been the subject of statistical studies. Indeed, the aim in such cases is to determine which population segments are most exposed to the risk of contamination, the rate of transmission for the disease in question as well as the benefits and side effects of vaccination. These concerns, like those relating to economic fields, fall within the scope of computational statistics and simulations using statistical software. Statistics are very useful in the field of health, especially when it comes to analyzing survival data. In this case, the aim is mainly to determine the effectiveness of various treatment protocols for one or more groups of patients by measuring survival duration. For example, for patients suffering from renal insufficiency, this type of analysis makes it possible to estimate the difference in survival duration between those who benefit from kidney transplants and those who receive dialysis. These theories also enable us to determine remission times for cancer or AIDS patients, and thereby assess the quality of the treatments administered. Clinical trials In the medical field, clinical trials are not only a particularly useful means of studying treatments of chronic diseases such as asthma, rheumatisms or migraines, they are also an essential means of testing new molecules and treatments. To sum up, statistical theory and information processing skills must be taught by specialists. Moreover, training courses in statistics must combine experimental, practical and theoretical aspects. This is why the Master's degree in statistics is well-suited for both university students and people who are already working Les activités du statisticien What Does the Work of a Statistician Entail? La statistique a des applications dans de nombreux domaines, dont les principaux sont la statistique publique, la biostatistique, la gestion des risques, la finance. Pour les étudiants obtenant le Postgrade en statistique, les débouchés principaux sont les services de l Etat, les sociétés pharmaceutiques et chimiques, les banques, les assurances. Le Postgrade en statistique peut également conduire à une carrière de chercheur. Sans être exhaustive, la liste suivante permet de situer les domaines dans lesquels un statisticien peut être amené à exercer son activité. Grâce aux cours dispensés dans le cadre du diplôme Postgrade en statistique, il pourra intégrer ses connaissances en statistique dans les domaines suivants. Statistical applications cover a wide range of fields. The main ones are official statistics, biostatistics, risk management and finance. For students who obtain their Master s degree in statistics, their main job prospects include employment with government agencies, pharmaceutical and chemical companies, banks and insurance companies. The Master s degree in statistics can also open up doors for those seeking a career in research. The following is a nonexhaustive list of fields where statisticians may end up working. The Master s degree program enables students to apply their knowledge and skills gained in the field of statistics in the following fields: Gestion et administration Problèmes liés à la gestion du personnel, à celle de l équipement, aux méthodes de production et aux conditions de travail. Economie Mesure du volume de la production, du commerce, des ressources de l emploi et du niveau de vie. Analyse du comportement des consommateurs et des producteurs, des réponses du marché aux changements de prix, de l impact de la publicité et des politiques gouvernementales. Modélisation et prévision. Finance Gestion du portefeuille, volatilité de la Bourse, analyse des marchés. Assurances Détermination de la mortalité, des taux d accidents concernant les assurés, des taux de primes pour chaque catégorie de risque. Application des techniques statistiques à la gestion des programmes d assurance. Analyse du coût des assurances. Sciences sociales Etablissement de techniques d échantillonnage et analyse d enquêtes sociales. Commerce Gestion des données, analyse des ventes, management, communications et contrôle théorique, procédures de vérification comptable. Contrôle de qualité et ingénierie Recherche et expérimentation incluant le design et les tests d efficacité, amélioration des méthodes de tests. Démographie Croissance des populations humaines (taux de natalité, taux de mortalité, mouvement migratoire). Recensement de la population. Environnement et météorologie Simulation pour la prévision à long terme, influence des mesures écologiques. Epidémiologie Risque de contamination, taux de transmissibilité, organisation d un programme de vaccination, étude des conséquences sur les générations futures. Industrie pharmaceutique et agro-alimentaire Plans d expérience, analyse des essais cliniques, gestion des données, analyse sensorielle. Médecine Analyse de survie, plans et essais cliniques, recherche fondamentale et expériences sur les causes, le diagnostic, le traitement et la prévention des maladies. Recherche fondamentale en statistique Recherche en probabilités, méthodes statistiques, statistique robuste, statistique non paramétrique, plan d expérience, théorie des sondages, tests de rang, inférence statistique. Santé Coût des accidents, des soins médicaux et de l hospitalisation. Sciences Recherche fondamentale dans les sciences naturelles, en physique, chimie, biologie, microtechnique, géologie, hydrologie, astronomie, électronique, botanique et zoologie. Management and administration Dealing with matters relating to human resources planning, equipment planning, production methods and working conditions. Economics Measuring production volumes, trade volumes, human resources and living standards; studying consumption and production patterns, analyzing markets, assessing the impact of advertising and government policies; creating statistical models and making forecasts. Finance Managing portfolios, assessing volatility on the stock market, carrying out market analysis. Insurance Determining mortality, accident rates of policyholders, establishing levels of premiums for each risk category; applying statistical techniques to manage insurance programs; analyzing the cost of insurance. Social sciences Devising sampling techniques and analyzing data from social surveys. Business Analyzing data, analyzing sales volumes, management, corporate communication and verification of theory, auditing procedures Quality control and engineering Conducting research and experiments, including design and efficiency tests, improving test methodology. Demography Conducting population censuses (e.g. birth rates, death rates, migration flows), assessing population growth. Environment and meteorology Carrying out simulations to predict longterm developments, measuring the impact of environmental measures. Epidemiology Assessing the risk of contamination, the rate of transmission, devising vaccination programs, studying the consequences for future generations. Pharmaceutical and food-processing industries Developing experimental designs, analyzing data from clinical trials, managing information, conducting sensory analysis. Medicine Carrying out survival analysis, conducting clinical trials and designing experiments, making diagnostics, treating and preventing illness. Basic research in the field of statistics Conducting research on probabilities, statistical methods, robust statistics, nonparametric statistics, experimental designs, sampling theory, statistical tests and statistical inferences. Health Analyzing the cost of accidents, medical care and hospitalization. Sciences Conducting basic research in the natural sciences, physics, chemistry, biology, geology, hydrology, astronomy, electronics, botany and zoology. 6 7

5 Pays et ville de Neuchâtel Fondée comme Académie en 1838, consacrée Université en 1909, située dans un décor agréable de lacs et de montagnes, l offre un climat convivial et des conditions de formation idéales à près de 3300 étudiants, encadrés par plus de 140 professeurs, de nombreux autres enseignants et près de 800 collaborateurs de l enseignement et de la recherche dont 117 membres du corps enseignant. L est largement ouverte sur la Suisse et aux relations internationales puisque qu environ 40% des étudiants proviennent des cantons confédérés autres que celui de Neuchâtel et qu environ 20% sont des étrangers. Ses cinq facultés des lettres et sciences humaines, des sciences, de droit, de sciences économiques et de théologie offrent des formations universitaires complètes jusqu à l obtention d un bachelor, d un master ou d un certificat spécialisé sanctionnant des formations de troisième cycle, postgrades ou continues. Les ouvrages de statistique sont disponibles en particulier à la bibliothèque de la Faculté des sciences et de la Faculté de droit et des sciences économiques. Le système de prêt permet à la communauté universitaire d avoir accès à la documentation désirée rapidement. A l heure actuelle, deux salles d informatique sont à la disposition des étudiants. Elles sont équipées de PC connectés à internet. Les logiciels statistiques auxquels les étudiants ont accès sont entre autres SPSS, SAS et E-views, R. Dans le domaine sportif, l Université offre la possibilité aux étudiants de pratiquer plus de 30 disciplines individuelles ou collectives auxquelles s ajoutent des manifestations telles que des tournois internes, dont la célèbre nuit du volleyball, ainsi que des week-ends de ski, d équitation et de canoë. Les étudiants qui ont la fibre musicale peuvent se joindre au choeur ou à l orchestre de l Université. Par ailleurs, chaque faculté dispose d une association d étudiants qui organise diverses manifestations. Le pays de Neuchâtel est tout d abord réputé pour ses nombreuses curiosités: les sites archéologiques de la Tène, de Cortaillod et d Auvernier, les gorges de l Areuse, les moulins souterrains du Col-des-Roches, les anciennes mines d asphalte de Travers et le papilliorama de Marin. Les montagnes neuchâteloises offrent toute une série d activités intéressantes: le ski durant la saison d hiver, les ballades à vélo et à cheval et les randonnées à pied. Neuchâtel a également eu la chance de compter quelques personnages célèbres: Blaise Cendrars, Louis Chevrolet, Le Corbusier, Jean Piaget, Denis de Rougemont et Philippe Suchard. Sans oublier Friedrich Dürrenmatt et le célèbre écrivain Jean- Jacques Rousseau qui trouva refuge dans le haut du canton de 1762 à Une trentaine de musées sont répartis dans le canton et attestent du goût des Neuchâtelois pour l art. Outre cette vie culturelle très active, les Neuchâtelois ont la réputation d être de grands dégustateurs de vins. Réparti sur 600 hectares, le vignoble neuchâtelois offre des vins de grande qualité: les blancs frais et pétillants du Chasselas, les rouges généreux du Pinot noir, sans oublier l Œil-de-Perdrix, ce vin rosé et fruité né du génie des viticulteurs de ce pays. Entourée de forêts, de vignobles et du lac, la ville de Neuchâtel est un lieu propice aux promenades et aux ballades à vélo le long des berges aménagées. Le lac de Neuchâtel dont la superficie en fait le plus vaste plan d eau entièrement suisse est l un des principaux atouts de cette ville. Il offre diverses activités sportives telles que ski-nautique, voile, planche à voile, plongée, etc. La zone piétonne, la place du marché et les diverses terrasses dominées par la collégiale et le château, procurent à la ville un charme particulier. Neuchâtel organise de nombreuses manifestations entre autres la traditionnelle Fête des Vendanges, FestiJazz, le Buskers Festival durant lequel des musiciens de toutes nationalités jouent dans la zone piétonne et la fête du port. Les fêtes villageoises connaissent chaque année un immense succès et contribuent pleinement à la notoriété de la région. 8 9

6 Le Diplôme Postgrade The Master's Degree Système de crédits Le programme du diplôme Postgrade en statistique est trimestriel. Il comporte trois trimestres de 10 semaines chacun, composés de cours, de séminaires et d'éventuels travaux pratiques. Les cours sont dispensés à raison de six heures par jour, les mercredis, jeudis, et exceptionnellement vendredis. Ce programme est organisé selon la formule de crédits suivante: A chaque cours est attribué un certain nombre de crédits (1 crédit = 9 heures d'enseignement). L'étudiant obtient le nombre de crédits correspondant à un cours en réussissant l'examen de fin de trimestre sanctionnant le cours. Les étudiants ayant obtenu 35 crédits, 5 crédits de séminaire, et ayant rédigé un mémoire - 20 crédits - accepté par un jury obtiennent leur diplôme (60 crédits). Ce mode d'enseignement «à la carte» permet à l'étudiant d'effectuer sa formation à temps partiel. Les étudiants ont en effet, le choix des cours qu'ils veulent suivre et ont ainsi la possibilité de répartir leurs cours sur un ou deux ans. La première année, ils doivent toutefois s'inscrire au minimum à la moitié des crédits offerts à chaque trimestre. La durée totale des études, mémoire compris, ne peut excéder 3 ans. Langue de référence Les cours sont donnés en français et en anglais, dans une proportion à peu près égale. Module de base et système à options La formation comprend un module de base obligatoire d'une valeur de 22 crédits. Dans ce module, l'étudiant apprend les outils nécessaires à la suite de son cursus, de même que certaines méthodes d'intérêt général. Il acquiert les 13 crédits supplémentaires en suivant les cours de son choix et les 5 crédits restants en suivant les séminaires de son choix. Enfin, des cours à option permettent de compléter les crédits manquants. Les étudiants peuvent, par exemple suivre les cours de statistique non paramétrique, d'analyse des données ou de méthode d'enquête. Le titre de «Diplôme Postgrade en statistique» est décerné par l'université de Neuchâtel aux candidats qui ont satisfait aux exigences prévues dans l'article 9 du règlement du diplôme Postgrade en statistique, c'est-à-dire: 1. Réussir des examens validant au moins 35 crédits de cours, et 5 crédits de séminaires. 2. Réussir au moins 8 crédits à l'issue du 1er trimestre d'études et avoir validé au moins 5 crédits à l'issue du 2ème et 3ème trimestre d'études. 3. Produire un mémoire (valeur 20 crédits) accepté par un jury. Pour les candidats qui ont satisfait aux deux premières conditions ci-dessus mais qui n'ont pas rédigé un mémoire, le titre de «Certificat Postgrade en statistique» leur sera décerné. Le contrôle des connaissances et la validation du mémoire sont organisés comme suit: chaque cours fait l'objet d'un contrôle de connaissances selon l'une des modalités suivantes: - examen écrit de deux heures; - rapport personnel sur un sujet proposé par l'enseignant complété d'un examen oral de 20 ou 30 minutes. Les examens sont en principe organisés à la fin de chaque trimestre. L'étudiant est tenu de s'y présenter pour les cours qu'il a suivis. Sont exclus des examens, les candidats n'ayant pas participé à au moins 75% des séances. Un examen est réussi si la note obtenue est 4 au minimum, l'échelle allant de 1 à 6. En cas d'échec, le candidat peut se représenter une 2ème fois, l'année suivante pour un deuxième contrôle. Un deuxième échec est définitif. Le candidat ayant accumulé des échecs définitifs représentant plus de 8 crédits est exclu, avec effet immédiat. Sous certaines réserves, le mémoire peut être rédigé à la période choisie par l'étudiant sous la direction d'un enseignant du diplôme Postgrade. Ce mémoire est ensuite évalué par le Directeur du Postgrade. En cas d'échec, une nouvelle version peut être présentée dans les délais réglementaires ou un autre sujet choisi. Dans tous les cas, un deuxième échec est définitif. Conditions d'admission Sont admissibles comme étudiants au diplôme Postgrade, les porteurs d'une licence ès sciences économiques, sociales et humaines ou ès sciences d'une université suisse ou encore d'un titre reconnu équivalent par le doyen de la faculté. La participation à un cours de mise à niveau peut être exigée des candidats dont les connaissances de base en mathématiques sont jugées insuffisantes. Ce cours préalable ne donne lieu à aucun crédit. De bonnes connaissances de la langue anglaise sont requises puisqu'une partie des cours est donnée en anglais. Les demandes d'inscription (sur formulaire adhoc et avec toutes les annexes demandées) doivent être adressées sous pli fermé à la direction du cours avant: le 31 août A l'adresse suivante : Faculté des Sciences Economiques Secrétariat du Postgrade en Statistique Avenue du 1er mars, 26 CH-2000 NEUCHATEL Les candidats admis doivent alors s'inscrire et s'immatriculer à l'université dans les délais indiqués ci-dessus. The Master's degree program is divided into three terms, each lasting 10 weeks. It comprises regular courses, seminars and applied research projects. Courses are taught six hours per day on Wednesdays, Thursdays and, exceptionally, on Fridays. The program is organized as follows: each course corresponds to a given number of credits (1 credit = 9 hours of teaching). Students earn these credits by passing the final exam for that course. The Master's degree is earned when students have obtained 35 course credits, 5 seminar credits and have written a thesis that passes review by a thesis committee (the thesis is worth 20 credits). A total of 60 ECTS credits are therefore needed in order to obtain the Master's degree. The system is quite flexible: students can choose the courses they are interested in; they can also choose to study full-time or part-time, spreading the courses out over a one- or two-year period. However, in their first year, they must register for at least half of the credits offered each term. In addition, studies cannot exceed three years, thesis included. Language Courses are taught in French and English, almost to an equal extent. Program based on a core module and electives The Master's degree program consists of a mandatory core module worth 22 credits. In this module, students obtain the basic knowledge and skills needed for later courses. They are also taught various methods of a more general nature. The rest of the program consists of electives (worth 13 credits) and seminars (5 seminar credits). Specialized courses in survey sampling methods, nonparametric statistics and data analysis are also offered to complete the training. Degree offered The Master's degree in statistics is delivered by the University of Neuchâtel to students who satisfy the requirements mentioned in Article 9 of the program regulations: 1. Passed exams yielding a minimum of 35 course credits and taken part in seminars corresponding to 5 credits; 2. Obtained at least 8 credits after the first term, 5 credits at the end of the second term, and 5 credits at the end of the third term; 3. Written a thesis that has passed review by a thesis committee (20 credits). Students who match criteria (1)-(2) but do not write a thesis shall receive a Graduate Certificate in Statistics. The exams and thesis review take place as follows: In order to obtain course credits, students must either take a 2-hour written exam or write a report on a subject proposed by the professor teaching the course. In the latter case, an oral exam of 20 to 30 minutes is usually given. As a rule, exam sessions take place at the end of each term. Students are required to take exams for courses that they have attended. Students who have not attended at least 75% of the scheduled classes for a given course may not take the final exam. Students pass the exam if they obtain a grade of at least 4 (grades range from 1 to 6, with 6 being the highest grade). Students who fail an exam may take the exam again the following year. A second failure is final. Students who fail more than 8 credits will immediately be excluded from the Master's degree program. With a few exceptions, the thesis may be written during a period chosen by the student, under the supervision of a professor teaching one of the Master's degree program courses. The thesis is then examined by the Director of Studies. If the thesis does not pass review, then it may be revised and resubmitted at a later time or a new thesis subject may be chosen. In both cases, a second failure is final. Admission criteria The Master's degree program is open to students with a university degree in economics, science, social sciences and human sciences from any Swiss university. The program is also open to candidates holding other degrees recognized by the University of Neuchâtel. Applicants with an insufficient knowledge of mathematics and statistics may be required to take an introductory course before registering for the Master's degree program. This introductory course does not provide any credits. Candidates must also have a good working knowledge of English since some of the courses are taught in English. Applicants who meet admission criteria may then fill out the registration form for the Master's degree program and request a student ID from the University of Neuchâtel. Registration forms (together with all requested enclosures) must be sent to the following address by August 31st at the latest: Faculté des sciences économiques Secrétariat du Postgrade en Statistique Avenue du 1 er mars 26 CH 2000 Neuchâtel Titre décerné 10 11

7 Enseignement & résumés des cours Teatchers & Courses Summaries Cours et crédits Courses and their credits Gérard Antille a obtenu une licence ès sciences mathématiques, un diplôme de mathématicien ainsi qu un doctorat ès sciences, mention statistique, à l Université de Genève. Il a été visiting assistant Professor à l Université de Toronto et est actuellement chargé de cours à l Université de Genève et de Neuchâtel. Ses principaux domaines d enseignement et de recherche sont les plans d expérience, la statistique robuste et l analyse des données. Par ailleurs, il est co-auteur notamment du livre Pratique de la statistique inférentielle. Module de Base Obligatoire (22 crédits - 9 cours) Crédits G. Antille Probabilités 4 J-P. Gabriel Processus stochastique 2 M. Graf Introduction aux séries temporelles 2 D. Kuonen Computer Package R 1 M. Lejeune Statistique mathématique 4 V. Rousson Analyse de régression 3 G. Saporta Analyse multivariée 2 Y. Tillé Théorie des sondages 2 G. Tutz Generalized linear models 2 Gérard Antille La modélisation de l incertain et le calcul des probabilités sont à la base de la méthodologie statistique. Dans cette optique, ce cours est construit dans le but de faciliter l approche de la théorie des probabilités, spécialement le calcul des distributions, leurs moments et leur fonction génératrice. L objectif principal sera ensuite d établir le lien entre la théorie nécessaire à la construction de modèles de probabilité et l applicabilité de ces modèles à des phénomènes réels tels que la fiabilité, les files d attente,... Ce cours traitera: des variables aléatoires, des distributions de probabilité, des lois conditionnelles, du changement de variables, des fonctions génératrices, de quelques lois classiques (géométrique, binomiale, binomiale négative, exponentielle, normale gamma) de convergence (en probabilité, presque sûr, en loi) de théorèmes limites fondamentaux (lois des grands nombres, théorème central limite) du théorème de Glivenko-Cantelli, des chaînes de Markov, du processus de Poisson, de marche aléatoire, de fiabilité, de survie et de temps d attente. Séminaires (5 crédits sur les 10 crédits) P. Campanelli Questionnaire Design 1 Y. Dodge Analysis of experiments with missing data 2 S. Fleury Computer package SAS 2 Th. Gasser Nonparametric Statistics 1 V. Luzar Stiffler Computational Statistics 2 G. Melfi Modèles de files d'attente 2 Cours à choix (13 crédits à choisir parmi les 11 cours - 20 crédits) J. Bernardo Bayesian statistics 2 A. Davison Computer Intensive Statistical Methods 2 C. Gourieroux Time series analysis 2 Y. Grize Statistical design and analysis 2 A.S. Hadi Robust regression diagnostics 2 J. Jureckova Nonparametric statistics 2 L. Lebart Analyse des données appliquée 2 F. Mehran Méthodes d'enquêtes 2 G. Molenberghs Methods for incomplete data 2 I. Olkin Statistical methods for combining information 1 J. Whittaker Graphical models 1 José Bernardo José Bernardo earned two doctorates: the first in Mathematics from the University of Valencia and the second in Statistics from the University of London. He was Professor of Biostatistics ( University of Valencia) and is currently Professor of Statistics (1983- University of Valencia ). He was Statistical Advisor to the President of the Autonomous Community of Valencia, Director of the Department of Decision Analysis. He has given courses in Italy, Mexico, Venezuela, Morocco, Argentina, Germany, Israel, USA, Peru, Chile and South Africa. He is author of Bayesian Theory (with A.F.M. Smith 1994 Wiley) and author of 57 research papers published in various professional journals including Annals of Statistics, Biometrika, Journal of the American Statistical Association, Journal of the Royal Statistical Society, The Statistician and Theory and Decision. Bayesian statistics This course includes: coherent decision making, maximising expected utility, inference and information, countable additivity, generalised decision theory, exchangeability, invariance, sufficiency, partial exchangeability, the Bayesian paradigm, conjugate analysis, asymptotic analysis, reference analysis, numerical approximations, model comparison, model rejection, alternative approaches, stylised inference problems, comparative issues and discussion and further reading. Basic understanding of probability theory is assumed and some concepts of frequentist inference would be beneficial, but no previous exposure to mathematical statistics is required. The course will be based on selected parts of Bernardo and Smith (1994). Students would benefit from prior reading of Lindley (1985), which is an excellent elementary introduction to Bayesian concepts. Anthony Davison is Professor of Statistics at the EPF Lausanne. His degrees are from Oxford and from Imperial College London. He is an Associate Editor of Biometrika and of REBRAPE and has served on the Research Section Committee of the Royal Statistical Society. He is a member of the International Statistical Institute, and a fellow of the Royal Statistical Society. He has held visiting posts at universities in Australia and France. In addition to resampling methods, his publications mostly concern likelihood methods, statistics of extremes, regression and environmental statistics. Anthony C. Davison Computer intensive statistical methods Bootstrap and other simulation methods are increasingly widely used in applications. They replace analytical calculations of standard errors and other assessments of variability with the use of simulated datasets. This course will describe the main ideas in this increasingly important area of statistics, with an emphasis on reliable methods for applications. The topics covered will be a subset of the following: basic parametric and nonparametric bootstraps; simple confidence intervals; failures of the bootstrap; bootstraps for several samples; bootstrap hypothesis tests; more complex confidence intervals, and methods for linear regression

8 Jean-Pierre Gabriel Monique Graf Après des études de physique expérimentale à l EPFZ, Jean-Pierre Gabriel obtient un doctorat en mathématiques (convergence des martingales filtrantes) à l EPFL. Il devient ensuite visiting fellow au Courant Institute of mathematical sciences à New York où ses recherches s orientent vers les biomathématiques. Il est actuellement professeur à l Institut de Mathématiques de l Université de Fribourg et travaille sur des questions concernant la parasitologie, la néphrologie, la neurophysiologie musculaire, la compétition axonale et la théorie des populations. Processus stochastiques Le cours débutera par un rappel sur les variables aléatoires. Nous étudierons en particulier la loi exponentielle et son application à la décroissance radioactive. Nous décrirons ensuite le processus de Poisson et certaines de ses applications (problèmes d occupation, paradoxe du temps d attente). Nous terminerons avec les chaînes de Markov à temps discret et discuterons quelques problèmes classiques tels que: les marches aléatoires, le modèle d Ehrenfest et le temps du premier retour, le problème de la collection et finalement la ruine des joueurs. Monique Graf est méthodologue à l'office fédéral de la statistique. Elle est membre de groupes de travail à Eurostat et participe à des task forces à Eurostat et l'ocde. Après des études de mathématiques à l'université de Lausanne et de statistique à l'université de Paris-Sud, elle obtient son doctorat en statistique mathématique à l'epfl. Elle a enseigné les probabilités et statistiques à l' et dans divers cycles postgrades à l'epfl, l' et l'ecole d'ingénieurs de Bienne. Ses domaines d'intérêt sont les applications des séries chronologiques, les statistiques spatiales, les estimations de la précision dans les enquêtes complexes et les problèmes de confidentialité. Introduction aux séries temporelles Le cours débutera par des exemples variés d'applications des séries temporelles, montrant le grand nombre de domaines dans lesquels ces méthodes sont utilisées. Nous formaliserons ensuite le concept de série temporelle et aborderons l'étude des modèles ARIMA et de leurs applications, comme la désaisonnalisation. Nous traiterons de leur rapport avec l'estimation des taux de croissance. Enfin, certaines généralisations de ces modèles seront abordées par des exemples. Christian Gouriéroux est professeur à l université Paris IX Dauphine et directeur du Laboratoire Finance- Assurance du Centre de Recherche en Economie et Statistique. Ancien élève de l Ecole Nationale de la Statistique, Agrégé et Docteur en Mathémathiques, ses travaux portent sur les méthodes économétriques, l analyse des séries chronologiques, les applications à la finance, et à l assurance. Il est l auteur ou co-auteur de divers ouvrages : Statistics and Econometrics Models (Cambridge University Press 1989), Time Series and Dynamic Models (Cambridge University Press 1997), ARCH Models and Financial Applications (Springer Verlag, 1997), Simulation Based Econometric Methods (Oxford University Press, 1998), Econométrie de la Finance (Economica, 1998), Statistique de l Assurance (Economica, 1999). Yves L.aurent Grize Ali S. Hadi Yves L. Grize is Head of Applied Statistics at AICOS Technologie AG in Basel. He studied first Mathematics at the Swiss Federal Institute of Technology in Zürich and then Statistics at Cornell University in Ithaca, N.Y., where he got his PhD in He was then for two years Member of Technical Staff at AT&T Bell laboratories in New Jersey, USA until 1986 when he joined Ciba Geigy AG for 10 years. He is an executive member of the Basle Biometric Section, and a member of ISI, ASA, and ASQC. He has published various journals, including the Annals of Probability, J. of Chemometrics and J. of Quality Technology. His research interest include experimental design and response surface analysis of large data sets. Experimental design and response surface optimization The goal of the statistical theory of experimental design is to get the maximum amount of reliable information with the minimum experimental effort. To this end special experimental plans can be constructed to sequentially study and optimize systems by going from the screening of factors to the optimization of the most important ones. In this course the basic elements of experimental design (factor, response, interactions, factorial and fractional plans for factor at two levels), of response surface methodology (central composite designs, D-optimal design, Latin Hypercube design) will be discussed. The theory will be illustrated by the new user-friendly but sophisticated expert system STAVEX which was developed by the Mathematical Application Group of CIBA. Ali S. Hadi is Professor and Chairman of Cornell University's Department of Social Statistics. He received his Ph.D. in Statistics from New York University. His research interests include linear and nonlinear models, multivariate analysis, parameter and quantile estimation, robust statistics and outlier detection, statistical computing and graphics, expert systems and uncertainty in artificial intelligence, and matrix algebra. He is the author of three books and numerous articles in professional journals. Professor Hadi has received several excellence in teaching awards. He is a fellow of the American Statistical Association, a fellow of the Royal Statistical Society, a member of the Institute of Mathematical Statistics, and a member of the International Association for Statistical Computing. Robust regression diagnostics Regression models are a simplification of reality; we rarely expect the model to be exactly true. Nevertheless, when we select a statistical technique and perform statistical inference, we often act as if the model is true. In many applications of regression, however, small changes in a model, a model assumption, or a data point, can have very large effects on the results. Regression analysis is viewed in this course as a cyclical process. Such a process takes inputs and produces outputs in an iterative or cyclical way; a way in which the outputs can be used to diagnose, validate, criticize, and possibly alter the inputs. In this course we discuss classical methods as well as a recently-developed general framework for assessing the sensitivity of the outputs to small changes in the input at a given cycle of the regression process. As such, this course is an attempt to narrow the gap between the theory and practice of regression analysis. Topics to be discussed include: robust regression, regression outliers and influential observations, collinearity diagnostics, error-in-variables models and generalized linear models. At the end of this course, students are expected to be able to perform thorough analyses of real-life data using computer packages of their choice. Christian Gouriéroux Analyse des séries chronologiques Ce cours a pour but de présenter les méthodes de base de l analyse des séries chronologiques ainsi que divers développements récents. Après avoir rappelé les définitions des processus et la façon de résumer leurs lois, on considère les modélisations de dynamiques linéaires : modèles autorégressifs - moyenne mobile, estimation et mise à jour des prévisions, modèle à racine unitaire et modélisation des tendances. Diverses extensions sont ensuite proposées : dynamiques linéaires multivariées (modèles ARMA), dynamiques non linéaires (modèles ARCH et modèles à seuil). Jana Jureckova is Professor at the Charles University in Prague, Department of Probability and Mathematical Statistics. Her research concerns mainly the robust, nonparametric and general asymptotic statistics. In this area, she has a great international reputation and advised many successful PhD students. She has been a Fellow of IMS since 1980, Elected Member of ISI since 1990, member of the European Regional Committee of the Bernoulli Society in , and since 1999 member of the Bernouilli Society Committee. She works as an Associate Editor for the Journal of Nonparametric Statistics, Sequential Analysis and Probability and Mathematical Statistics and Environmetrics and worked as an Associate Editor for the Annals of Statistics in and Jana Jureckova Nonparametric statistics Principle of invariance in hypotheses testing. Order statistics and ranks, their basic properties. Permutation tests. Rank tests. Locally most powerful rank tests. Pitman efficiency. Rank tests for comparing two treatments: Wilcoxon, median and van der Waerden tests against alternative of the shift in location, Siegel-Tukey and Klotz tests against the shift in scale, Kolmogorov-Smirnov test against general two-sample alternatives. Paired comparisons in the one-sample model: Sign test, Wilcoxon and van der Waerden signed rank tests. Rank tests in one and two-way layout: Kruskal-Wallis test and its application to 2xt contingency tables, Friedman test. Rank tests of independence in a bivariate population: Spearman and Kendall tests. Rank tests in linear model. Tests of linear hypothesis and of its subhypotheses. Aligned rank tests. Treatment of ties in the rank tests

9 Diego Kuonen Ludovic Lebart Michel Lejeune Diego Kuonen, PhD in Statistics, is founder and CEO of Statoo Consulting, Lausanne, Switzerland ( Statoo Consulting is a software vendor and independent Swiss consulting firm specializing in statistical consulting and training, data analysis, data mining, analytical CRM and bioinformatics services. Dr. Diego Kuonen has several years of experience in teaching and training. He is also a lecturer at the Swiss Federal Institutes of Technology in Lausanne and Zurich as well as at other Swiss universities. Currently, he is Vice President of the Swiss Statistical Society and President of its Statistics in Business and Industry section. Introduction to R R ( is a language and environment for advanced statistical computing and very high quality graphics. R is similar to the award-winning S system and is freely available for most computing platforms. R consists of a language plus a run-time environment with graphics, a debugger, access to certain system functions and the ability to run programs stored in script files. In recent years the research emphasis in statistical computing has shifted from S to R. It is free software distributed under a GNU-style copyleft and is an official part of the GNU project ("GNU S"). In this course an introduction to the R system for statistical computation and graphics will be given. The course provides a hands-on approach to learning, dividing class time between lectures and practical exercises. Ludovic Lebart est ingénieur civil des Mines, Docteur troisième cycle en statistique et Docteur d Etat en mathématique. Il a publié plusieurs ouvrages ainsi que de nombreux articles dans des revues ou actes de colloques. Il est actuellement Directeur de Recherche au CNRS et Directeur adjoint du Département d Economie de l Ecole Nationale Supérieure des Télécommunications de Paris. Analyse des données appliquée En raison de l expansion et de l amélioration constante de l outil informatique, les organismes les plus divers (entreprises, administration, centres de recherche...) construisent tous les jours des bases de données de taille croissante. Extraire de ces données des informations cachées, des relations insoupçonnées est un enjeu important pour l avenir. L analyse des données, au coeur des techniques dites de Data Mining, se définit par l exploration des tableaux issus de ces bases de données afin d en extraire des informations facilement interprétables par l utilisateur. On présentera successivement: une introduction générale, la classification automatique, les méthodes d analyse factorielle, des exemples numériques simples permettant de bien capter les algorithmes sous-jacents, des applications réelles issues de grandes enquêtes socio-démographiques et enfin les principaux logiciels disponibles. Ingénieur diplômé de l Ecole Centrale de Paris, Michel Lejeune a également obtenu un doctorat en statistique à l Université d Etat de l Orégon en Il a dirigé la Division de statistique de l Institut Universitaire de Médecine Sociale et Préventive de Lausanne avant de devenir Professeur à l puis à l Université de Lausanne. De 1988 à 1992, il a été Directeur du Centre de Recherche sur l Epargne à Paris, aujourd hui il est Professeur à l Université de Grenoble 2. Statistique mathématique Distributions d échantillonnage: loi du Khi-deux et applications, loi de Student et applications, loi de Fisher et applications, statistiques d ordre. Bases de la théorie de l estimation: estimateurs et propriétés générales, inégalité de Cramer-Rao, statistiques exhaustives, estimateurs UMVUE, cas de la famille exponentielle, estimateur du maximum de vraisemblance, propriétés asymptotiques et solutions approchées. Tests d hypothèses: définitions, principes, optimalité (tests UMP), fonctions, pivot, tests classiques sur un ou deux échantillons (moyennes, variances, proportions), test du rapport de vraisemblance simple, Lemme de Neyman- Pearson, famille exponentielle monotone, test du RV généralisé, loi asymptotique du RV, tests sur des fréquences: test d une loi multinomiale, ajustement à un modèle (khi-deux et Kolmogorov-Smirnov), tableau de contingence. Intervalles de confiance: définitions, optimalité, construction par fonction pivot et point par point, intervalles de confiance classiques, équivalence test/intervalle de confiance, approximation par le maximum de vraisemblance, Jackknife. Farhad Mehran Geert Molenberghs Farhad Mehran, Ph.D. in Statistics, Harvard University, Former Director of the Bureau of Statistics, International Labour Office, Geneva. Presently, Senior Statistician at the ILO and Chargé de Cours on Applied Mathematics at the University of Neuchâtel. Main publications : Statistique (in French), Presse Académiques Neuchâtel, 1990, and Surveys of Economically Active Population, Employment, Unemployment and Underemployment, ILO, Geneva, 1990 (translated into French, Spanish, Russian, Arabic, Portuguese and Farsi). Méthodes d enquêtes Les enquêtes par sondage sont l une des principales sources de données statistiques qui complètent d autres sources telles que les recensements, les fichiers et registres administratifs. Elles prennent une plus grande importance pour deux raisons majeures : (a) la nécessité de limiter les ressources affectées à la production statistique ; et (b) l accroissement de la demande et du domaine de l information chiffrée, tels que intentions deote, préférences des consommateurs, choix écologiques, ou recherche génétique. Les enquêtes par sondage sont maintenant utilisées dans presque tous les domaines de la connaissance humaine : les sciences politiques, sociales, médicales et pharmaceutiques, l exploitation forestière, l industrie, l archéologie, la linguistique, etc Ce cours couvre les concepts et méthodes fondamentaux des enquêtes par sondage : la stratification et l échantillonnage à plusieurs degrés, la construction de base de sondage et la sélection des échantillons, les procédures de pondération et des estimations, les erreurs d enquête et leur calcul, la préparation des questionnaires et les activités sur le terrain, les méthodes de codage et de correction, le dépouillement automatique de données et enfin, l évaluation et la dissémination des résultats Geert Molenberghs is Professor of Biostatistics at the Universiteit Hasselt in Belgium. He earned a B.S. degree in mathematics (1988) and a Ph.D. in biostatistics (1993) from the University of Antwerp. Geert Molenberghs has published methodological work on surrogate markers in clinical trials, categorical data, longitudinal data analysis as well as on the analysis of nonresponse in clinical and epidemiological studies. He has published three books on longitudinal and incomplete data (1997, 2000, 2005), jointly with Geert Verbeke, a book on clustered binary data methods (2002), jointly with Marc Aerts, Helena Geys, and Louise Ryan, and one on surrogate marker evaluation in clinical trials (2005), jointly with Tomasz Burzykowski and Marc Buyse. He served as Joint Editor for Applied Statistics ( ) and as Associate Editor for several journals, including Biometrics and Biostatistics. He is President of the International Biometric Society ( ). He was elected Fellow of the American Statistical Association and received the Guy Medal in Bronze from the Royal Statistical Society. He has held visiting positions at the Harvard School of Public Health ( Boston, MA ). Methods for incomplete data Using standard missing data taxonomy, due to Rubin and co-workers, and simple algebraic derivations, it is shown that simple but commonly used methods to handle incomplete data, such as complete case analyses and methods based on last observation carried forward, require restrictive assumptions and stand on a weaker theoretical foundation than likelihood-based or Bayesian methods developed under the missing at random (MAR) framework. Given the availability of flexible software for analyzing longitudinal sequences of unequal length, implementation of likelihood-based MAR analyses is not limited by computational considerations. Alternative methods such as the EM algorithm and multiple imputations will be discussed as well. While such analyses are valid under the comparatively weak assumption of MAR, the possibility of data missing not at random (MNAR) is difficult to rule out. It is argued, however, that MNAR analyses are, themselves, surrounded by problems and therefore, rather than ignoring MNAR analyses altogether or blindly shifting to them, their optimal place is within sensitivity analysis. Key concepts of sensitivity analysis will be developed. Dr. Olkin's major interests are in the theory and application of meta-analysis; in multivariate statistical analysis; and in models in the social, behavioral, and biological sciences. He taught at Michigan State University and the Unversity of Minnesota before taking on his present position at Stanford University as professor of statistics and education. He has co-authored a number of books, including Inequalities (1979), Selecting and Ordering Population (1980), Probability Models and Applications (19980), and most recently, Statistical Methods in Meta-Analysis (1985). Dr. Olkin has been an editor of Annals of Statistics and associate editor of Psychometrika, the Journal of Educational Statistics, the Journal of the American Statistical Association as well as other mathematics journals. Ingram Olkin Meta-analysis: combining the results of independent studies Meta-analysis enables researchers to synthesize the results of a multitude of overlapping studies so that the combined weight of evidence can be considered and applied. Increasingly, meta-analysis is being used to augment traditional methods of narrative research by systematically aggregating and quantifying research literature. Recent concerns about the effectiveness of alternative treatments have prompted the search for a method to amalgamate the results of independently conducted studies. The multitude of studies with overlapping data makes meta-analysis an extremely useful tool. Meta-analysis requires several steps prior to statistical analysis: formulation of the problem, a literature search, and coding and evaluation of the literature. Once these data have been coded, statistical issues can be addressed, such as models and methods for combining studies, sensitivity analyses, and models for adjusting bias. The primary emphasis in this course will be on the statistical methods used in meta-analysis

10 Valentin Rousson Gilbert Saporta Valentin Rousson earned a B.S. degree in Mathematics from the University of Strasbourg in 1992 and a Ph.D. in Statistics from the University of Neuchatel in In 1999, he was a postdoctoral student at the Australian National University in Canberra. In 2000, he joined the Department of Biostatistics of the Institute for Social and Preventive Medicine at the University of Zurich where he is currently working as a scientific assistant. His main research interests are in reliability, simple component analysis and applied statistics in medical research. Regression analysis Regression analysis is a wide domain and most of statistical techniques are more or less related to regression. "What is not regression?" is an excellent question. "All science is regression" is a possible quotation. Loosely speaking, regression may be defined as the analysis of the relationship between two variables. In this course, we shall introduce regression both as a geometrical problem and as the modelisation of a conditional expectation. We shall see the links between correlation and regression, distinguish between conditional and unconditional models and present the general least-squares theory under the classical normality assumption, which includes simple regression, multiple regression, analysis of variance and analysis of covariance in special cases. At the end of the course, we shall introduce related topics such as logistic regression, variance components models and reliability. The course will be held in French but documentation in English will be available. Gilbert Saporta est Professeur titulaire de la chaire de Statistique Appliquée du Conservatoire National des Arts et Métiers à Paris. Ingénieur de l Ecole Centrale et Docteur ès Sciences Mathématiques de l Université Pierre et Marie Curie, il enseigne également à l ISUP et à l ENSAE et est consultant auprès de diverses entreprises (Institut BVA, Johnson et Johnson,...). Ses travaux portent sur l analyse des données multidimensionnelles. Il est en particulier à l origine de la méthode de scoring Disqual utilisée par de nombreux organismes financiers et compagnies d assurance, et de travaux sur les extensions temporelles de l analyse des correspondances. Vice-Président de la Société Française de Statistique, il est membre de l Institut International de Statistique. Auteur du livre Probabilité, Analyse des Données et Statistique publié aux éditions Technip en 1990 et du Que Sais-Je? n 1854 publié par les Presses Universitaires de France L analyse des données en collaboration avec J.M. Bouroche. Analyse multivariée Ce cours sera consacré à trois domaines de l analyse statistique multidimensionnelle. L analyse discriminante et les méthodes concurrentes (arbres de classification, régression logistique) appliquée en particulier aux prédicteurs qualitatifs: scoring. L analyse conjointe ou trade-off. Recueil des données, utilisation de plans d expériences, régression monotone, application à la définition de nouveaux produits (offres en téléphonie cellulaire, choix de transports), modèles de part de marché. Gerard E. Tutz After earning an undergraduate degree in Mathematics and a postgraduate degree in Psychology from the University of Regensburg, Prof. Gerhard Tutz earned a PhD in Statistics from the same University in In 1988 he obtained the postdoctoral lecture qualification in Statistics and occupied the chair of Statistics at the University of Regensburg in 1991 and Professor Gerhard Tutz then became a full-time professor at the Technical University of Berlin until 1998 when he took on his actual position as full-time professor at Ludwig-Maximilians Universität in Munich. His research interests are multivariate analysis, analysis of categorical data, semi- and nonparametric regression modelling, local smoothing techniques, event history analysis, mixed models. Short bibliography: Fahrmeir, Tutz (2001) Multivariate statistical modelling based on generalized linear models 2nd edition. New York: Springer. Tutz, G. (2000) The Analysis of Categorial data (in German), Oldenbourg Verlag. Tutz, G. (1990) Regression Models with ordered categorical response categories (in German), Vandenhoeck & Ruprecht Verlag. With coauthors (in German): Multivariate statistical analysis, Introduction to statistical modeling. Generalized linear models Generalized linear Models (GLMs) represent a unifying framework which includes classical regression models with normally distributed dependent variable, categorial regression models like logistic regression or Poisson regression as well as various other nonstandard regression type models. A main feature of GLMs is the presence of a linear predictor which is built from explanatory variables. This linear predictor is linked to the mean response by a so-called link function which may take various forms. Many ideas of linear regression carry over to this wider class of models. In the course, likelihood based inference techniques are considered, especially estimation of parameters, goodness-of-fit tests, tests for the significance of covariates and diagnostic tools are presented. We also describe extensions to quasi likelihood models where only first and second moments of the response variable are specified. In the second part, GLMs for multivariate response variables, in particular multinomially distributed responses are presented. Special emphasis will be placed on ordinal regression models where the use of ordered response categories makes more parsimonious parameterization possible. Tools for inference for the multicategorical case are derived and applied. An important extension of GLMs is the incorporation of nonparametric parts in the predictor. While the parametric model assumes that variables enter the model in the form of a linear predictor in non- and semiparametric regression techniques, this assumption is weakened by allowing the covariates to have unspecified functional form. Basic modelling techniques and estimation procedures are presented. The last topic concerns extensions to correlated responses. Two modelling approaches are considered: the marginal approach which is based on generalized estimation equations and random Eects models where subject-specific parameters are allowed in the predictor. Throughout the course, the materials are illustrated by applications to real data sets. Yves Tillé, Professeur de statistique appliquée à l', Yves Tillé a obtenu un doctorat en statistique de l'université Libre de Bruxelles. Il a été assistant à l'université Libre de Bruxelles, maître de conférences à l'ecole Nationale de la Statistique et de l'analyse de l'information (ENSAI, Rennes). Il a été également enseigné à l'université de Lille 3, à l'institut Supérieur de Statistique de paris, à l'université de Barcelone et à l'institut TES (Training of European Statisticians). Ses travaux portent sur l'échantillonnage et l'estimation en populations finies, les algorithmes d'échantillonage, le traitement des non-réponses. Il est l'auteur d'ouvrages dont "Théorie des sondages : Echantillonnage et estimation en population finie" Dunod, Paris, 2001 Théorie des sondages Ce cours a pour but de présenter les méthodes de base de l'échantillonnage et l'estimation en population en populations finies. Après une introduction consacrée aux concepts principaux (population, plan de sondage, probabilités d'inclusion, estimation), les différents plans de sondages seront examinés (plans simples, stratifiés, équilibrés, à probabilités inégales, par grappes, à plusieurs degrés). Ensuite on étudiera les techniques permettant d'utiliser de l'information auxiliaire à l'étape de l'estimation (estimation par la régression, calage). Joe Whittaker Joe Whittaker is a Senior Lecturer in the Mathematics and Statistics Department of Lancaster University. He is a council member of the Royal Statistical Society, former member of the Research Section and its Multivariate Study Group. He is an elected member to the Board of Directors of the European Region of the International Association for Statistical Computing. He has held visiting Professorships in the Department of Statistics at Colorado State University and at the University of Chicago. His main research interests lay in graphical modelling, with application areas in transport and finance, in particular credit scoring. Previous courses have been sponsored by the Economic and Social Research Council, UK and have been given in England, Holland, France, Italy, Brazil and the USA Graphical models Interpreting inter-relationships between many variables simultaneously is a complex task that confronts the research worker in many areas of applied statistics. Specific problems are to determine which variables interact and how strongly and to decide if the data can be condensed without loss of information. Graphical modelling is a powerful technique for simplifying and describing multivariate interaction and association. The theoretical basis to the technique is the concept of conditional independence and the prime theoretical and practical tool is the conditional independence graph. The well-known technique of linear regression can be viewed as a particular instance of a graphical model. The course gives an elementary account, with many practical examples, of the graphical modelling approach to multivariate data analysis. It is based on the book of Whittaker (1990) Graphical Models in Applied Multivariate Statistics, which is published by John Wiley and Sons. The Markov properties of the independence graph are established and the course explains how a graphical model is formulated. The technique is related to log-linear models for contingency tables, to covariance selection models for correlation matrices, to recursive models for path analysis and to the mixed interaction model. Available software for fitting graphical models is described and illustrated by the accompanying case studies. Séminaires : Enseignement et résumé Séminar : Teatchers and Summary 18 19

11 Pamela Campanelli Pamela Campanelli is a Survey Methods Consultant and U.K. Chartered Statistician. She received her Ph.D. in statistics from the London School of Economics, an M.A. in applied social research and a B.A. in psychology from the University of Michigan. Prior to becoming an independent consultant, she was a Research Associate at the Office of Educational Research and Resources at the University of Michigan, a Survey Statistician at the Center for Survey Methods Research at the U.S. Census Bureau, Chief Research Officer at the UK Institute for Social and Economic Research at the University of Essex, and Research Director at the Survey Methods Centre at the National Centre for Social Research, London. Her main interests and publications are in the study of survey error and data quality issues, with special emphasis on questionnaire design, question testing strategies, interviewing techniques, survey nonresponse, and survey sampling. She regularly teaches short courses in these subjects at various universities, and for local government and businesses in the UK, as well as at the University of Hong Kong, the University of Neuchâtel, the University of Michigan, the University of North Carolina and the U.S. Joint Program in Survey Methodology. Théo Gasser Théo Gasser is professor at the Department of Biostatistics at the University of Zurich Research interests Study of the growth and development of children. This includes physical growth as well as growth of the body mass index and fat tissue. Current research relates to the development of neuromotor functions. Clinical neurophysiology: EEG at rest and evoked potentials as tools to assess brain functions in pediatrics and psychiatry. Statistical interests: Nonparametric function estimation: kernel regression, local polynomials, additive and semiparametric models. Samples of curves (functional data analysis): time transformations to synchronize curves, dynamic time warping, shape-invariant modeling. Questionnaire design The goal of this seminar is to dispel myths about questionnaire design and assist participants in becoming "discerning consumers" of questionnaire data. General principles of questionnaire will be discussed as well as various specific measurement topics such as Issues of ability and memory errors in factual questions, the effects of question wording, response formats, and question sequence on responses to attitude questions, strategies for asking questions about sensitive or personal information, combining individual questions into a meaningful questionnaire, special guidelines for self-completion surveys versus interview surveys. This seminar will explore the theoretical issues that arise in the development, application and interpretation of survey questions as well as the practical aspects of questionnaire design that are often not taught in formal courses. It involves a "hands-on" exercise as well as a lecture format. Seminar: non-parametric statistics Nonparametric Function Estimation Regression and density estimation relies in classical statistics on some functional parametric model. In this approach only the parameters have to be estimated to specify quantitatively the underlying function. Any misspecification of the model can, however, lead to serious bias. This led to nonparametric estimation techniques, also called "smoothing methods". We will start the course with probability density estimation, including choice of weight function, bandwidth and algorithms. Regression estimation goes along similar lines in one dimension (via splines, kernel estimator and local polynomials). Function estimation in dimension higher than one usually needs some restrictions (additive models, semiparametric models). The course closes with an outlook on functional data analysis, where one or several samples of curves are analyzed and compared. The different techniques are illustrated with real and simulated examples. These methods find application in many areas going from medicine to econometrics. Yadolah Dodge Yadolah Dodge earned his Master's degree in applied statistics from Utah State University in 1970 and a Ph.D in Statistics with minor in biometry from Oregon State University in He is currently professor of Statistics and Operations Research at the University of Neuchâtel in Switzerland. He is a statistical consultant to several industrial companies. His area of expertise includes design and analysis of experiments, regression analysis and mathematical programming. He has published numerous articles and authored or co-authored and edited seventeen books. Dr Dodge has served on the Computational Statistics and Data Analysis Editorial Board and is founder of two statistics journals: Student and Data and Statistics. He is a member of the International Statistical Institute and a fellow of the Royal Statistical Society. Seminar: analysis of experiment with missing data Missing data occur very often in experiments. In some cases, observations cannot be collected or obtained. Observations may be missing due to an accident or natural circumstances such as floods, earthquakes or extreme heat. Methods for handling such problems in designed and observational studies will be discussed in this seminar. Among the statistical procedures for handling missing observations, we shall focus on EM methods for observational studies and R Process for experiments designed according to the two-way classification. Comparisons will be made between these methods. Vesna Luzar-Stiffler Vesna Luzar-Stiffler is the Director of Statistical Methods at CAIR Research Center in Zagreb, Croatia, and a senior researcher at the University Computing Centre in Zagreb. She earned her B.S. degree in Mathematics, her Ph.D. in Computer Science/ Computational Statistics at the University of Zagreb and was awarded a Fulbright Postdoctoral Grant for research at the Department of Statistics, Stanford University, specializing in computational statistics and multivariate analysis. Her teaching experience includes statistical courses at the University of Zagreb, Stanford University, University of Maryland, University of Naples, SAS Institute and various companies in Central and Eastern Europe. She has consulted in the area of statistical/graphical applications, data mining, marketing research, and SAS business intelligence software support with various companies (including pharmaceutical, aeronautic, automotive, semiconductor manufacturing technology, insurance, FMCG retail, beverage, telecommunications) and is currently involved with a variety of government agencies and NGOs in the US, Italy, Croatia, Slovenia, Macedonia, Romania, et. al. Computational Statistics The emphasis for this seminar will be on selected, typical examples and case studies from computational statistics and their implementation using SAS software. Topics will include: Introduction; overview of selected background research and typical examples; Monte Carlo studies in statistics; an example of a simple simulation experiment (using SAS); Monte Carlo estimation of the roots of a random covariance matrix; data partitioning: cross validation, jackknife plus an example (using SAS); bootstrap methods for assessing statistical accuracy; a case study (using SAS); techniques for discovering structure in data; supervised and unsupervised learning; tree-based methods and issues; model assessment and selection plus a case study. Stéphane Fleury Stéphane Fleury est sociologue, spécialisé dans la récolte et l'analyse de données statistiques. Actuellement chef de projet à l'office fédéral de la statistique, il gère le projet SILC (Statistics on Income and Living Conditions). Ce projet est coordonné par Eurostat sous l'égide d'eu-silc. Après des études en sociologie à l', il effectue un postgrade en statistique dans la même Université. Auteurs et coauteurs de différentes recherches et analyses statistiques secondaires, il a notamment participé à une recherche d'envergure sur les comportements de consommation des ménages (cf. «Inégalité et consommation» aux éditions l'harmattan). Il a enseigné la statistique (Introduction pour les sciences sociales) à l'université de Fribourg et donne depuis plusieurs années des cours d'introduction SAS dans le cadre de l' Le cours SAS propose une large introduction à SAS pour Windows. Il est structuré selon les étapes concrètes du travail statistique et comprend une série d'exemples pratiques avec données et programme SAS de référence. Les principaux sujets traités sont : Environnement SAS pour Windows Saisie, import des données (format txt, Excel, Access, Oracle) Gestion des tables SAS (librairie SAS, étape DATA, opération sur variables, concaténation de tables, vecteurs variables) Etapes PROC (analyses de base des données: PRINT, FREQ, MEANS, etc.) Option de gestion de valeurs manquantes dans SAS Export des résultats dans Excel ou création d'une table SAS contenant les résultats Giuseppe Melfi Giuseppe Melfi a obtenu un Doctorat en Mathématiques à l Université de Pise et un Master en Statistique à l. Il a travaillé à l université de Pise, de Lausanne et de Neuchâtel, où il est actuellement chargé de cours. Ses domaines de recherches vont des mathématiques pures aux statistiques, et dans ce domaine il s interesse à la génération de nombres aléatoires, à la methode Monte Carlo, à la regréssion LAD et aux Data Mining Séminaire : Modèles de file d attente Après une brève introduction à la problèmatique de la simulation, nous rappellerons quelques notions essentielles de la statistique. Le cours continuera avec la présentation de méthodes pour générer des nombres pseudo-aléatoires ainsi que des variables pseudo-aléatoires suivant une loi de probabilité donnée. Nous présenterons des applications importantes de la simulation. Nous nous intéresserons, en particulier à la simulation de processus et aux problèmes de files d attente. Des séances d exercices sont prévues

12 Mémoires réalisés Roberta Alliata (1993) Analyse de données portant sur l évaluation de l introduction de la nouvelle méthodologie de français dans le Canton de Vaud. E.S. Altpeter (1994) Measurement error models. An Application in Epidemiology. Elvita Alvarez (2003) Digressions sur les femmes et la science, l utilité de la mesure d attitude Gilberto Antonio (2004) Propriétés psychométriques d un Instrument de qualité de vie des personnes âgées: le cas de la suisse. Sylviane Attinger (2004) Analyse des disparités cantonales en matière de développement durable Giannicola Ballin (1999) Prévision de l évolution du produit national brut de la Suisse. Tobias Bauer (1992) Evolution salariale en Suisse. Cédric Béguin (2002) Outlier Detection in Multivariate Data Karine Benghali-Dupriez (1992) Analyse des accidents de la circulation routière en fonction de variables. Lamia Ben Hamida (2003) L étude des mouvements de l investissement par le modèle de q de Tobin : Le cas de la Suisse Fabienne Benninghoff-Jeannerat (1995) Complémentarité entre l analyse de correspondance et la classification. Ridha Bennour (1994) Analyse statistique sur la population des curistes du centre Mayolina à Beatenberg. Richard Benzi (1999) Average, population and individual equivalence tests of pharmacokinetic variables. Ruedi Bernegger (1992) Une méthode d examination du glaucome dans les années cinquante. Marc Bersier (1997) L évolution de la complexité d un système: Comparaison d un Indice de complexité sur des séquences temporelles variées. Christophe Beuret (1999) Méthodes adaptatives robustes. Sylvie Beurret (1992) Extrêmes de formes quadratiques et leurs applications à la régression. Christof Bigler (1999) Evaluating time series to reveal successional patterns. Cédric Billat (2000) Efficient C++ and S-Plus implementation of a Markov random fieldbased denoising technique. Sylvia Binyet-Vogel (1994) Syndrome douloureux chronique et statut du travail. Application de l analyse de correspondance multiple et de la classification. Stéphane Birrer (2003) La statistique policière de la criminalité en Suisse Thomas Bollinger (2002) Efficiency and ARCF-effects in commodity markets : empirical evidence and implications on risk management Luca Bonanomi (1998) Investigating the term structure of interest rates with the EM-algorithm. Mohamed Boukhris (2004) Regression analysis and outliers detection in multivariate data «crime in Usa» Hocine Boumaza (2004) Une méthode d analyse des données évolutives: la double analyse en composantes principales Hubert Brossard (1994) Image made-in Switzerland : analyse statistique d un sondage. Xavière Buffo (2000) Utilisation des techniques d échantillonnage en tant qu outil en marketing Patrick Bungener (2000) Detecting trends in composition of species and plant functional types within a natural grassland exposed to ozone: a practical approach using multivariate techniques. Paul Camenzind (2000) Multivariate Descriptive Statistical Analysis of the Social Health Insurance System of Switzerland, Gorana Capkun (1998) A simple stochastic Rainfall-Runoff Model. Michael Careem (1997) Stochastic volatility and value at risk. Lorenzo Cedro (1994) Estimation des paramètres du mouvement Brownien géométriques et évaluation par simulation. François Charbonnier (1993) L estimation des paramètres du processus de Ornstein-Uhlen-Beck: une approche empirique par la simulation. Anne Chatton (2001) Application d un modèle Multinomial Logit à la problématique de consommation de Benzodiazepines (BZD) chez les toxicomanes en cure de méthadone dans une unité spéciale à Genève Derek Christie (1998) Efficacité économique des chemins de fer privés de Suisse. Jaime Cordova (2000) Méthodes Statistique pour le Contrôle des Procédés (SPC) : Révision, Evaluation de Software et Tendances Anne-Claire Cornali (2000) Enquête sur les revenus et la consommation 1998 : développement des méthodes pour l analyse des données» Paul Cotofrei (2003) Nonparametric Bootstrap Tests for the Generalized Behrens-Fisher Problem Dominique Couturier (2004) Intervalle de confiance des indices d audience radiophonique en suisse: une application du boostrap John Crombez (1996) The value of the Blume-indicator. Adam Czub (2002) Mutual Fund Investment Style Analysis: Kalman Filter Technique Approach Cristina Danciu (2003) An application of empirical Bayesian methods in insurance Steivan Defilla (2005) Is the Value of Money Different from Zero? Ahidoba De Franchi (2000) La conflictualité à travers les générations, une application de l analyse des correspondances multiples Patrick Detzel (1995) Distinction de genre situation familiale et activité professionnelle. Anne De Vries (1999) Regressions on length of stay usingbody burden of disease. Réjane Dreifuss (1996) L enquête de santé maternelle et infantile de Sikasso (Mali). Françoise Dubas (1993) Empirical influence functions for the Cox regression model (proportional hazards model). Jean-Marc Durini (1993) La dynamique des cours boursiers. Raphaelle Eckert (2001) Etude Econometrique d une nouvelle courbe de Philipps en Suisse Nicole Egli (2005) Investigation of the possibility of Modelling Within-Variability of Configurations of 6 Minutiae Using an Automatic Fingerprint Indentification System Herbert R. Elkin (1990) Identification of outliers by regional classification in least absolute values regression. Léopold Fossi Talom (2005) The Portfolio Value at Risk Béatrice Frey (1993) Forecast of unemployment in Switzerland. Olivier Furrer (1997) La performance des services autour des produits informatiques. Laure Gavin (1999) Efficacité des mesures actives proposées aux demandeurs d emploi et méthodes non expérimentales d évaluation. Gérard Geiser (1997) Une analyse des ventes Tissot. Yves-Alain Gerber (2003) Déterminants du revenu : problématique de la non-réponse Daniel Gerhard (1993) Un réseau labile de neurones stochastiques. Gerhard Gmel (1999) Methodological considerations for measuring alcohol consumption. Asplit sample study in Switzerland. Eric Grosjean (2003) Une brève propmenade dans le monde des processus stochastiques Natacha Guenther (2003) Analyse descriptive de tableaux de données chronologiques Antoine Guisan (1996) Etude et modélisation statistiques de la distribution géographique des plantes dans un environnement alpin. Sahar Hosseinian (2003) Gulliver.02. Peut-on être un bon suisse? Une analyse statistique Deirdre Hugi-Cleary (2003) Multivariate Regression Analysis of the Factors Afecting Breakthrough Times in Activated Carbon Sorption Systems Katia Iglesias (2004) Indicateurs composites: méthodologie et application au domaine du bien-être subjectif Ismail Ispir (1991) A statistical analysis of the federal votations in Switzerland ( ). Thérèse Jeanloz (1996) Population du canton de Neuchâtel. Paul Jordan (1990) Estimation of tolerance limits from reference data. Pierre Joyet (1996) Two Stochastic Avatars of Verhulst s Model in Population Dynamics. Bernard Junod (2002) Les données manquantes en analyse Multivariée Julien Junod (2003) Diagnostics de régression logistique et données d enquête. Ma moun Kassab (1998) Palestinian Industrial Survey: Evaluation of the sampling strategy and exploration of alternative estimators. Olivia Keiser (2004) Adverse events to antiretrovirals in the Swiss HIV cohort Study : impact on mortality and changing patterns. Jonathan Kissling (2004) Model averaging : a case study in modelling the spatial distribution of plant. Kondylis Athanassios (2003) Partial Reweighted Least Squares Sandrine König (1991) Estimation de la variance: méthodes basées sur le concept de réplication. Christian Lantz (2003) Evaluation des propriétés psychométriques de l échelle des valeurs de Schwartz. Adrian Lanz (1992) Two phases sampling for forest inventory. Stéphane Labarrière (1998) L approche statistique en démographie. Exemples d applications sur les populations artisanales. Alain Lattafi (1995) Une base de sondage pour le canton du Jura. François Lefebvre (1996) Le modèle à erreurs composées. Anthony Lehmann (1996) Statistical analysis of aquatic plants growth and distribution along sediment and depth gradients. Christoph Lehmann (2004) Application and comparison of classification algorithms for recognition of alzheimer s disease in electrical brain activity. Sébastian Leuzinger (2005) Analysis of Sap Flow Signals in Trees under Elevated CO2 Aline Lykiardopol (2002) Une estimation Robuste du Variogramme Alexandre Maillefer (1997) Effet de la taille de la population et des variations stochastiques sur un modèle d établissement d une population tétraploïde chez les plantes. Béatrice Malignon (1991) Positionnement des produits: application de l analyse en composantes principales et classification hiérarchique. Florian Martin (2003) Selection of microsatellite markers for tobacco and identification of varieties using discriminant analysis. Alina Matei (2002) Implementation of an Improvement of the Cox Algorithm with Application in the Imputation of non-response of Qualitative Data. Jean-Marie Mbonimpa (1999) Analyse statistique de la concentration industrielle en Valais. Giuseppe Melfi (2001) Les fractions continues : une étude sur la distribution des coefficients Pierre-Yves Moix (1998) An application of quantile estimation: VaR. Philippe Mojon (1996) Statistical Treatment of Intra-And Interrater Agreement. Fabian Mollet (2005) Statistical control in Vivotif R production process at Berna Biotech AG Florence Monard Sermier (2004) Etude statistique des mécanismes de transfert des fibres Pierre Monnin (1999) Efficience du marché des changes. Barbara Moser (2005) Effect of herbivory on biomass production and nitrogen content of forest herbs and grasses Ivo Müller (1998) Spatial Bayesian models for mapping of child growth and nutrition. Martin Müller (1992) A comparative study of L1-norm based simple and multiple regression algorithms. Stéphane Munier (1999) Recherche de valeurs aberrantes et modèles linéaire généralisées. Thierry Murier (1996) Empirical Evidence of randomness of pi decimal digits: an application on the first digits. Neela Nath (1998) Diagnostic for fever in malaria related disease by way of logistic regression. Desislava Nedyalkova (2005) Optimal Sampling Strategies under Linear Model : Model-Based Vs Design -Based Inference. Markus Niggli (2005) Estimation des crues par une approche bayésienne Hiérarchique. Dimitar Nikolosi (2000) Les mesures d inégalité de la distribution des revenus en Macédoine Sébastien Nusslé (2005) Spatial autocorrelation: A false enemy in data modelling. Ueli Oetliker (2002) Traitement des données manquantes et aberrantes dans le domaine des revenus de l enquête sur les revenus et la consommation. (ERC 98) Alexandre Oettli (2004) Probabilité d hospitalisation simple et conditionnelle. Carlos Ordas Criado (2005) Estimation non paramétrique d une courbe de Kuznets environnementale pour les émissions de méthane (CH4) en Espagne et tests non paramétriques d hétérogénéité dans un panel de données Maria Paris (2002) Arbres de décision outils de classement et de prédiction du data mining. Elisabeth Pastor (1998) Analyse en composantes principales. Johan Pea (2004) Tirages coordonnés d échantillons : simulation des méthodes des substitutions de Kish and Scott et de la méthode PRN. Laurence Pellaumail (1998) A new robust method for the detection of outliers in regression. Amandine Perrinjaquet (2004) L utilisation des programmes Peer to Peer sous l angle de la confiance. Sandro Petrillo (2005) Simulation de points aléatoires indépendants et non-indépendants sur surfaces non plane. Séverine Pfaff (1990) Analyse de données catégoriques longitudinales appliquée à des statistiques sur l emploi et le chômage. Dominique Pfluger (1993) A mortality study of lung cancer among Swiss chauffeurs - Counting for smoking related fraction by a multivariate approach

13 Commentaires d étudiants Amos Poncini (2003) Métriques de risque alternatives à la variance, application au marché boursier suisse. Pierre Pury (1993) Régression Pi ou régression linéaire du produit maximum. Laura Elena Raileanu (1997) Sur des combinaisons convexes dans la statistique mathématique. Petra Rapp (2003) Outliers in Pharmacokinetics. Philippe Rauber (2003) Analyses des facteurs pénalisant les femmes sur le marché du travail: les inégalités entre les genres. Nadia Reber (2004) Impact de la phobie sociale sur la comorbidité, la sévérité et l évolution de patients avec un trouble de l humeur unipolaire ou bipolaire: résultats d une étude cas-témoins. Nicole Rebetez (1991) Consultation interactive des tables statistiques (table normale, de Student et du chicarré). Anne Renaud (1995) Prévision du rayonnement solaire global sur le plateau suisse romand. Jean-Pierre Renfer (1990) Régression linéaire simple basée sur la norme L1. Andrada Rotaru (2003) An introduction to wavelets analysis. Pierre Sollberger (2003) Stéréotypes véhiculés par le Swiss Made et leurs impacts sur le consommateur. Dieter Spinnler (2001) Bayesian methods in Pratice: application to the swiss canoy crane project. Nathalie Stolz (1991) La loi de Weibull et la durée de règne des papes. Pirmin Stutzer (1999) The black-sholes option pricing formula. X.-F. Suckow (1994) Effect of ramipril (HOE498) a mortality morbidity and exercise capacity in patients with congestive heart failure - combined results of five trials with exercise capacity as primary endpoint. Monira Sultana (2005) A Descriptive Statistical Analysis of Spam Phenomenon. Maria Suveges (2003) Information matrix in the case of random explanatory variables. Marion Tanner (2005) Are there parental strategies for controlling offspring competition under parasitism in the Great Tit (Parus Major)? Séverine Vancolen (2004) La régression PLS. Barbara Vascotto (1998) Analyse des correspondances multiples et classification mixte. Eric Zellweger (2000) La classification automatique. Intérêt et limites de son application en sciences sociales. Marco Zoerner (2005) Visualisation - and Clustering of Multivariate Bank-Client Data Paul Jordan Docteur en physique Promotion 1989/1990 Sandrine König Docteur en sciences économiques Promotion 1990/1991 Dans le cadre de mon travail dans l industrie pharmaceutique, j ai eu l occasion de me familiariser sur le tas avec la statistique par le biais d une étude épidémiologique. Mais, malgré les connaissances en mathématique acquises durant mes études (doctorat en physique à l ETH de Zurich), j ai pris conscience à cette occasion de la nécessité de compléter ma formation par une connaissance plus approfondie des méthodes statistiques. Aussi, c est avec une grande motivation que j ai suivi les cours du diplôme postgrade en statistique. J ai acquis de solides connaissances de base dans différents domaines de la statistique : non seulement parce que le niveau des cours est élevé mais aussi parce que les échanges (parfois animés!) avec d autres étudiants du diplôme - eux-mêmes chargés de cours pour la plupart - m ont permis d élargir encore l enseignement proprement dit. Notons également que les exercices parfois épineux et les examens ont constitué bien souvent un véritable «challenge». «Last but not least»: c est en partie grâce à ce diplôme que j ai obtenu le poste que j occupe actuellement (consultant en statistique). En définitive, le diplôme postgrade en statistique comble, à mon avis, une lacune sur le plan de la formation en Suisse et répond à un authentique besoin. Aujourd hui, les statistiques sont toujours plus utilisées que ce soit dans les entreprises ou l administration. Il me semble donc que cette formation répond à un besoin réel. Lors de cette formation enrichissante, on est confronté à un nombre de cours variés et intensifs. Les professeurs qui proviennent d horizons différents enseignent la statistique sous un jour chaque fois nouveau. En définitive, je peux dire que cette formation m a apporté beaucoup de connaissances dans le domaine statistique. Cette formation supplémentaire est également un atout sur le marché du travail où les personnes doivent sans cesse se perfectionner et acquérir des connaissances nouvelles. Maik Roth (2004) Les relations de participations entre les entreprises suisses et étrangères ( ) Steve Vaucher (1998) Auto-estimation et mesure du taux d alcoolémie. Catherine Rousson (1994) Histoire de la production des données statistiques en Suisse et en Europe. Valentin Rousson (1994) Axiomatique et Statistique Descriptive. Edith Safran (1993) A logistic regression analysis of loss in visual sensitivity as a function of morphological characteristics of retinal vessels. Clara Sandino (2005) Statistical analysis of the trabecular and cortical microstructure of 166 human RADII as assessed by high-resolution 3D-PQCT. Bastien Sandoz (2005) Approche mathématique des variables aléatoires. Miriam Scaglione (1999) The use of ARIMA and structural time series tools in the analysis of road trafic: the case of long length trucks crossing the gothard in the north to south direction. Jürg Schmid (1992) Conditions d intersection de courbes de régression dans le cas où une observation subit un accroissement quelconque. Sanda Socoll (2002) A case Study of combined N of 1 Triasl in Clinical Research. Emiliano Soldini (2005) An analysis of gender inequality as a multidimensional phenomenon. Virginie Verdon (1994) Credit scoring. Mathieu Vuilleumier (2005) L influence du statut socio-économique et du mode de vie des individus sur leur état de santé. Helene Wagner (1996) Trend analysis of data from a Monitoring program for Dry Meadows applying Regression and Markovian Models. Alexandre Weber (2005) Comparaison intercantonale des taux de recours aux soins formels de longue durée en Suisse. Sama Wilson (2004) An immigration death model to estimate the duration of malaria infection when detectability of the parasite is imperfect. Kim Woehr (2004) Analyse de régression multivariée de la charge de travail des professeurs enseignant dans une HES. Elena Wüthrich (1998) Kalman filter applied an economic series with missing data. Edy Zahnd (1994) Analyse et prévision de l évolution du produit intérieur brut réel en Suisse. Pierre Pury Liceencié en sciences naturelles Promotion 1991/1992 Il est plaisant de se retremper dans la rigueur intellectuelle des mathématiques après quelques années d activité passées dans d autres domaines. Vous redécouvrez les tiroirs perdus de votre mémoire, acquérez de nouvelles notions qui étaient négligées, imprécises ou méconnues du temps de vos études: principes de parcimonie, principe de statistique suffisante, préoccupation de robustesse, analyse catégorielle multivariée, pour n en citer que quelques-unes. L informatique, arrivée à maturité, permet désormais de satisfaire les voeux irréalisables d antan. L équilibre du cours entre les raisonnements théoriques, les applications pratiques sur logiciels et l art du jugement, ainsi que les origines multiples du corps professoral, autant géographiques que scolastiques, sont des ingrédients de succès. C est néanmoins par un travail personnel intense et soutenu, assisté d informatique, que vous gagnez les points de votre réussite. Si par chance votre téléviseur tombe en panne, laissezle dans cet état jusqu à la fin... Je demeure convaincu que le cours postgrade de statistique de l est une innovation bienvenue en Suisse. Elle compense l offre trop restreinte des filières scientifiques des Universités dans ce domaine. Elle répond ainsi à d importants besoins

14 Ekkehardt Altpeter Docteur en médecine Promotion 1992/1993 The course in statistics at the University of Neuchâtel forms the basic knowledge for scientists. The spectrum of the most important techniques in applied statistics is treated during the lectures and seminars. As a physician, working in basic science as well as in epidemiology (public health and environment), it is important to have an idea of the limitations and pitfalls of statistical modelling and hypothesis testing. For the future, I hope that the accentuation remains on practical data analysis and applied statistics. I know that in the limited time of the course all needs of the participant can t be saturated and the latter topics don t span all techniques in modern medical research. They are meant to be propositions for planning further courses. Overall, the lectures and seminars gave me a feeling of the vast possibilities as well as the limitations of what could be called the state of the art in modern applied statistics and data analysis. Philipe Mojon Diplôme de médecin-dentiste Promotion 1995/1996 Après un séjour de 4 ans au Canada, où j ai pu m initier à l épidémiologie, j ai ressenti la nécessité de suivre une formation plus académique en statistique. Le diplôme postgrade m a permis d obtenir ces connaissances tout en poursuivant mon activité de chercheur et de médecin-dentiste. J ai particulièrement apprécié le subtil mélange de formation de base et de techniques de pointes ainsi que les efforts des enseignants pour adapter leur cours au niveau des connaissances de chacun. Bien entendu, les efforts ont dû être réciproques. Le renom et la qualité des enseignants m ont vivement impressionné tout au long de ces 2 ans. Aujourd hui, les connaissances acquises me permettent de réaliser moi-même la statistique de mes recherches. Je travaille également en tant que consultant en statistique à l école de médecine dentaire de l Université de Genève. Par ailleurs, je suis responsable de l analyse statistique de plusieurs études réalisées dans le domaine dentaire en Belgique, au Portugal et au Canada. Je suis convaincu également que la ligne supplémentaire dans mon curriculum vitae m a facilité l obtention de fonds de recherche auprès du Fonds National Suisse de la Recherche Scientifique. Pierre Joyet Diplômé en mathématiques Promotion 1995/1996 Après avoir nagé plusieurs années dans l univers merveilleux de la géométrie algébrique, je me suis inscrit au postgrade de statistique dans le but de donner à mes connaissances mathématiques une coloration plus terre à terre susceptible d intéresser un employeur potentiel. Mes espoirs n ont pas été déçus, puisqu après mon diplôme, j ai eu la chance de rapidement trouver un emploi très intéressant dans une compagnie d assurances. Mon travail consiste à mener des analyses statistiques pour la détermination des primes dans le domaine de l assurance non-vie. Dans le cadre d un groupe de travail réunissant plusieurs compagnies, j ai aussi eu l occasion de participer à l élaboration de nouvelles tables de mortalité. Le postgrade de statistique, par la qualité et la diversité des cours donnés, constitue pour moi un excellent terreau sur lequel peuvent ensuite se développer les connaissances plus pointues acquises dans la pratique professionnelle. Je ne peux que conseiller chaleureusement cette formation à tous ceux pour qui la statistique est un outil essentiel. Gérard Geiser Licencié en sciences économiques Promotion 1996/1997 Pour moi, le postgrade est synonyme de point départ vers une multitude de directions. Le bagage que j ai acquis au cours de ces deux années constitue non seulement une solide base théorique mais également un large aperçu des applications pratiques que l on peut envisager. Avec l essor croissant des moyens informatiques personnalisés, une formation telle que le postgrade est le lien indispensable entre une panoplie d outils statistiques performants et les besoins toujours plus pointus de l industrie. Dans cet ordre d idée, mon expérience dans l industrie horlogère m a montré que la plupart des chiffres et des informations statistiques dont on dispose et que l on utilise ne sont que du type descriptif. Même si cette forme de statistique peut couvrir une grande partie des besoins d information des entreprises, la mise en place de méthodes statistiques puissantes mais simples ne peut être que positive. Dans le cadre de mon emploi, c est dans ce sens que le postgrade s est révélé être d une très grande richesse, autant pour moi que pour l entreprise pour laquelle je travaille. Hélène Wagner Diplômée en géographie Promotion 1995/1996 My greatest gain from the postgraduate studies in statistics was a broad overview of statistical methods, which helps me find an appropriate solution to a given problem, and a basic knowledge of statistical concepts and language which enables me to learn more about a specific method on my own. The basic component of success is naturally the selection and quality of the courses offered. However, the students should bring some additional ingredients, like the courage to face mathematical language, the fantasy to see possible applications behind the formulas, enough time to digest the new ideas, and a strong will to apply the knowledge in their own work, e.g. in the thesis. In my current work, the knowledge and experience from the postgrade helps me to plan better research, i.e. to avoid methodological pitfalls and to choose appropriate methods even from very different academic fields. Last but not least, I have been offered several smaller jobs (mainly teaching) because of my postgraduate degree. Elisabeth Pastor Licenciée en sciences économiques Promotion 1997/1998 Considérée pendant longtemps comme un outil de spécialistes, la statistique a été souvent le parent pauvre des programmes universitaires. Depuis quelques années pourtant, les administrations et les entreprises réclament de plus en plus de personnes formées dans ce domaine. Le cours du diplôme postgrade répond donc à un véritable besoin de notre société. Mais si j ai entrepris cette formation, ce n est pas seulement en raison de son programme de cours riche et varié. C est aussi parce que l organisation des cours a été pensée, pour une fois, en fonction des besoins et des disponibilités des futurs étudiants: la répartition des cours sur deux jours par semaine seulement, convient parfaitement bien aux femmes avec enfants, comme moi, qui désirent reprendre des études. Cet enseignement contribue de cette manière au développement de l éducation permanente en Suisse. Ensuite, si j ai aimé ce diplôme, ce n est pas seulement parce qu il m a permis d actualiser ma première formation. C est aussi parce qu il m a entraînée à nouveau dans les plaisirs de l apprentissage. En effet, quoi de plus stimulant que de partir à la découverte d horizons nouveaux? Les théories statistiques les plus récentes, la diversité des approches présentées par des professeurs aux origines variées, les multiples applications proposées par des étudiants provenant eux aussi de milieux professionnels et géographiques souvent très différents, ont donné à ces deux ans d étude un petit goût d aventure. Le prix d un tel voyage se chiffre à quelques heures de sommeil en retard, mais on en revient avec la satisfaction d avoir abordé des rives qui deux ans plus tôt nous paraissaient inaccessibles et la conscience qu il reste encore tout l intérieur des terres à découvrir! Le voyage n est pas fini... et tant mieux si la route est longue 26 27

15 The Master Degree in Statistics in Neuchâtel is a chance to improve and integrate knowledge in statistics with its wide range of courses provided from various statistic fields. Its low cost confirms the fact that post graduate university formation should not be confused with high registration fees and prestigious publicity campaigns. In contrast, higher education seeks in motivating scientific research and cooperation between students coming from different directions and areas, as it happens in Neuchâtel. Finally, what counts most and makes this master program unique is its highly skilled teaching stuff coming from various countries and continents. The last one makes feasible a direct comparison between teaching approach and culture of at least four different educational systems. As a PhD student in neuroscience the master degree in statistics curriculum was an excellent complement to my PhD studies. Thanks to the flexible ECTS credit system I was able to spread out the courses over two years, in order to be able to continue in parallel my own research projects. I was very pleased by the thorough and competent teaching of the fundamentals such as probability theory, stochastic processes and mathematical statistics in the first trimester. The following courses about modern applied statistical methods were a real treasure for people like me doing experimental research. Thanks to the possibility to conduct a personal project in some of the modules, I could analyze different data sets from our lab, getting hands-on experience for methods I sometimes applied for the first time. The consequent use of the very powerful open-source software R, which was introduced in a separate module, helped me to acquire not only theoretical know-how, but also practical knowledge, being very valuable in my daily research. Athanassios Kondylis Licencié en statistiques Promotion 2001/2002 Christoph Lehmann, PhD student in Neuroscience. Promotion 2003/2004. For many of the courses, the group of statistics was able to engage really international experts in their field, usually teaching in leading institutions in Switzerland and around the world. The students could meet these specialists in the small but smart University of Neuchatel, located in a very beautiful place. Last but not least the different professional and also cultural background of the students was a great enrichment, giving the chance to get insight into other scientific disciplines and to communicate in foreign languages. When I started the master s degree in statistics, I opened the door to a fascinating world, about which I had only a vague prior knowledge. Deirdre Hugi-Cleary Docteur en chimie Promotion 2002/2003 This is a broad-spectrum course which covers theoretical and practical aspects of modern statistics. I was impressed by the quality of the professors. We are lucky to have lecturers who are among the best in their fields and the variety of courses offered is very stimulating. As a chemist, I also appreciated discussions and exchange of knowledge with students from other disciplines. Naturally this excellence comes with a price. Because of their intensive nature, a serious personal effort is needed to understand and digest the lectures. The projects and examinations are challenging. An important aspect of this degree is that we acquire not just knowledge, but the know-how to apply it in a variety of situations. In conclusion, I think that the postgraduate degree is tough and demanding, but very much worthwhile! Clara Ines Sandino Ingeniera Mecanica Magister en Ingenieria Industrial Promotion 2004/2005 I completed the program during the 2004/2005 course. I think the master offers an excellent education in many aspects: the courses and seminars help to gain knowledge of statistical theory and practical handling of information, the dissertation helps to learn the fundamental methodology to face a real statistical problem, and the international and multidisciplinary environment composed of teachers and students who work in different fields and come from different countries is very interesting. Currently I'm studding for a doctoral degree in Biomedical Engineering in Spain and I believe that joining the master is the most useful decision I have took until now, I learned a lot and I enjoyed it very much. Flaminio Cadlini Licencié en sciences économiques Promotion 2005/2006 La disponibilité de données statistiques dans plusieurs branches de l économie, science dans laquelle j ai obtenu une licence auprès de l Université de la Suisse Italienne à Lugano, et particulièrement en finance, a certainement contribué à faire avancer l application des méthodes statistiques. En économétrie, on utilise principalement les techniques de régression ; on a alors la tendance à oublier les innombrables autres méthodes statistiques qui peuvent être extrêmement utiles pour la compréhension et l analyse des phénomènes survenant dans les sciences sociales, dont l économie fait partie. Le mérite du Postgrade est de m avoir appris beaucoup de techniques et de méthodes que je n avais jamais pris en compte, comme la théorie des tests, la statistique non-paramétrique, les plans d expérience, la théorie des sondages, les méthodes d analyse factorielle, le traitement des valeurs manquantes, etc. Le mélange équilibré entre théorie, séminaires et travaux pratiques m a permis d acquérir un bagage de connaissances qui sont applicables non seulement à l économie mais dans toute discipline où la compréhension des informations enfouies dans les données est indispensable

16 Coût des études Cost of study Postgrade en Statistique vous accueille à Neuchâtel Frais d inscription au postgrade CHF pour les étudiants suisses ou possédant un permis C ou dont le conjoint possède un permis C (sous réserve de modifications). CHF pour les étudiants étrangers. Logement et repas Les étudiants ont la possibilité de bénéficier de conditions avantageuses aux endroits suivants: Cité Universitaire, Clos Brochet 10, CH-2000 Neuchâtel, Téléphone Repas de midi entre CHF et CHF chambres 105 lits, CHF ou CHF par mois. Cité Universitaire, Sablons 46, CH-2000 Neuchâtel, Téléphone chambres, 60 lits, entre CHF et CHF par mois. Maison des Jeunes, Tertre 2, CH-2000 Neuchâtel, Téléphone Repas de midi et du soir CHF chambres, 51 lits, demi-pension par personne et par mois : CHF (1 lit) ou CHF (2 lits). (pension complète : + CHF. 100) Maison de Champréveyres, Dîme 60, CH-2000 Neuchâtel, Téléphone chambres, entre CHF et CHF par mois en demi-pension (CHF de plus en pension complète). Transports publics Assurances Des abonnements «Onde verte» (2 zones) valables sur tout le réseau des transports publics de Neuchâtel sont disponibles au prix de: CHF. 41. par mois (CHF par année) pour les moins de 25 ans. CHF. 56. par mois (CHF par année) pour les plus de 25 ans. Une assurance-accident, couvrant exclusivement les frais de transport et déplacement, est comprise dans l inscription à l Université (CHF. 5. inclus dans les taxes fixes). Une assurance-accident facultative supplémentaire est disponible au prix de CHF. 49. par année (capital en cas de décès s élevant à CHF ou invalidité s élevant à CHF ). Il est obligatoire de contracter en plus une assurance maladie. Postgrade en Statistique, Avenue du 1er-Mars 26, CH-2000 Neuchâtel [email protected] Internet: Plan de situation Budget mensuel moyen Voici le détail approximatif du coût mensuel en CHF. des études à Neuchâtel pour un étudiant célibataire de plus de 25 ans: Loyer (y compris chauffage eau électricité) CHF Alimentation CHF Assurance maladie obligatoire CHF Téléphone, radio, télévision CHF. 60. Transports publics CHF. 90. Livres, matériel d études CHF Taxes universitaires (ramenées au mois) CHF Frais médicaux dentaires, etc. CHF. 50. Habillement CHF. 70. Loisirs divers CHF Total mensuel CHF Bâtiment principal 2 Institut de statistique Les demandes de bourse sont à faire à l adresse suivante: Département de l instruction publique et des affaires culturelles, Office des bourses, Château, CH 2001 Neuchâtel, Téléphone Le montant annuel d une bourse peut varier de la façon suivante: Entre CHF et CHF pour les célibataires. Entre CHF et CHF pour les mariés (+ CHF par enfant). Les bénéficiaires de ces bourses doivent satisfaire certaines conditions (notamment celle d être neuchâtelois ou domicilié dans le canton depuis plus de 2 ans, voire 3 ans pour les étrangers.) 30 31

17

18