Méthodes statistiques pour des données incomplètes
Objectifs
• Comprendre les biais potentiels induits par des données imparfaites.rn• Connaitre les principaux mécanismes qui peuvent se retrouver à l’origine des données incomplètes (données manquantes, censurées, tronquées, etc.)rn• Connaitre les méthodes les plus courantes pour adapter les estimateurs habituels (moyenne de l‘échantillon, moindres carrées, etc.), afin de prendre en compte le caractère imparfait (incomplet) des données. rn
Plan
• Données manquantes, typologie des données manquantes, imputation, construction des estimateurs sans biais pour les moyennes rn• Données censurées, tronquées. Construction de l’estimateur de Kaplan-Meier de la fonction de surviernRégression en présence des données manquantes ou censurées. rn
Prérequis
Modèles de régression, probabilités et statistique inférentielle