FUN

Modèles de durée (FUN)

Offered by ENSAE Paris,
Modèles de durée (FUN)

Dans ce cours, on s'intéressera de façon plus privilégiée aux applications à l'actuariat de ce genre de modèle sans pour autant que ce domaine d'application soit exclusif, on s'intéressera notamment à l'étude de la mortalité et à ses applications en assurance vie en terminant par une introduction à l'évolution de la durée de vie à travers les générations. Et la théorie développée dans ce courant trouve également de nombreuses applications par exemple en biostatistique ou encore en fiabilité.

L'enjeu c'est de saisir les spécificités des modèles de durée et de proposer des techniques qui permettent de répondre aux multiples problèmes qu'ils posent. Le plus connu étant celui des observations incomplètes, on utilise le terme d'observation censurée, des observations incomplètes qui apparaissent du fait de la structure temporelle sous-jacente.

À l'issue de ce cours vous aurez assimilé les grands principes de construction des estimateurs les plus classiques utilisés pour estimer la distribution dans la durée. Vous serez également capable de les adapter à des situations au moins standard qui peuvent se rencontrer dans de tels jeux de données, et enfin vous serez sensibilisés aux principaux réflexes méthodologiques que l'on doit avoir en pratique. Je vous dis donc à bientôt pour vous présenter plus en détail ces modèles de durée.

Plan du cours

Semaine 0 : Introduction
Semaine 1 : Concepts et spécificités de l'analyse de survie
Semaine 2 : Phénomènes de censure et de troncature
Semaine 3 : Estimateur non paramétrique de Kaplan-Meier : Construction
Semaine 4 : Estimateur non paramétrique de Kaplan-Meier : Propriétés
Semaine 5 : Table de mortalité et lissage
Semaine 6 : Lissage et estimation paramétrique 1/3
Semaine 7 : Estimation paramétrique 2/3
Semaine 8 : Estimation paramétrique 3/3 et perspectives

Go to Class
MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Related Courses

Probabilistic Graphical Models 1: Representation (Coursera) Coursera
Stanford University

Probabilistic Graphical Models 1: Representation (Coursera)

Probabilistic graphical models (PGMs) are a rich framework for encoding probability distributions over complex domains: joint (multivariate) distributions over large numbers of random variables that interact with each other. These representations sit at the intersection of statistics and computer science, relying on concepts from probability theory, graph algorithms, machine learning, and more. They are the basis for the state-of-the-art methods in a wide variety of applications, such as medical diagnosis, image understanding, speech recognition, natural language processing, and many, many more. They are also a foundational tool in formulating many machine learning problems.

Aug 31st 2026
5-12 Weeks
La métabolomique : enjeux technologiques et scientifiques (FUN) FUN
Université de Rennes 1,Centre National de la Recherche Scientifique - CNRS,Institut Français de Bioinformatique - IFB,Institut National de la Recherche Agronomique - INRA

La métabolomique : enjeux technologiques et scientifiques (FUN)

Le mooc est produit par le Centre National de Recherche Scientifique, l'Institut Français de Bioinformatique ,l'Institut National de la Recherche Agronomique ,en partenariat avec l'Université de Rennes 1 . Il propose à la communauté francophone de découvrir la métabolomique, une nouvelle démarche scientifique et méthodologique.

No sessions available
5-12 Weeks
Probability - The Science of Uncertainty and Data (edX) EdX
MIT,MITx

Probability - The Science of Uncertainty and Data (edX)

Build foundational knowledge of data science with this introduction to probabilistic models, including random processes and the basic elements of statistical inference. The world is full of uncertainty: accidents, storms, unruly financial markets, noisy communications. The world is also full of data. Probabilistic modeling and the related field of statistical inference are the keys to analyzing data and making scientifically sound predictions.

Sep 1st 2026
13-24 Weeks
Statistics Using Python (edX) EdX
University of Wisconsin–Madison,WisconsinX

Statistics Using Python (edX)

Learn the fundamentals of statistics using Python. This course is a compact primer in statistics as a foundation for data-driven business analysis. A selection of concepts include descriptive statistics, probability, inference, correlation, and regression. The course also exposes students to basic Python programming for use in statistics.

Sep 2nd 2026
5-12 Weeks
Risk Management in Personal Finance (Coursera) Coursera
SoFi

Risk Management in Personal Finance (Coursera)

This course is primarily aimed at those who want to understand more about how they can protect their finances from unexpected events. Taught by a CERTIFIED FINANCIAL PLANNER™ Professional, this course covers the role insurance plays into your financial plan, including what kinds of insurance to explore, how to determine how much insurance you need, and how different kinds of insurance works. The course includes life insurance, health insurance, disability insurance, homeowners insurance, renters insurance, auto insurance, and umbrella insurance.

Aug 10th 2026
4 Weeks
Analyse de données quantitatives en sciences humaines et sociales (ADSHS) (FUN) FUN
Communauté Université Grenoble Alpes

Analyse de données quantitatives en sciences humaines et sociales (ADSHS) (FUN)

Pas besoin d’être matheux pour être confronté, au quotidien, à une profusion de chiffres et de données statistiques. Dans les médias, sur les réseaux sociaux ou même dans les conversations ordinaires, il est courant d’argumenter, chiffres à l’appui. Pourtant, sommes-nous sûrs de savoir d’où viennent et comment ont été produites ces fameuses « données chiffrées » qui semblent faire autorité, ou qui animent tout au moins le débat ? Ce cours en ligne propose d’abord de revenir sur les raisons qui ont poussé les premiers chercheurs en sciences humaines et sociales à introduire les données statistiques dans leurs raisonnements, stabilisant des méthodes d’investigation de l’opinion et des pratiques qui se sont par la suite vulgarisées dans l’espace social.

No sessions available
5-12 Weeks
Survival Analysis in R for Public Health (Coursera) Coursera
Imperial College London

Survival Analysis in R for Public Health (Coursera)

The three earlier courses in this series covered statistical thinking, correlation, linear regression and logistic regression. This one will show you how to run survival – or “time to event” – analysis, explaining what’s meant by familiar-sounding but deceptive terms like hazard and censoring, which have specific meanings in this context. Using the popular and completely free software R, you’ll learn how to take a data set from scratch, import it into R, run essential descriptive analyses to get to know the data’s features and quirks, and progress from Kaplan-Meier plots through to multiple Cox regression.

Aug 10th 2026
4 Weeks
Big Data: capstone project (Coursera) Coursera
Universitat Autònoma de Barcelona

Big Data: capstone project (Coursera)

En este último curso de la Especialización Big Data el estudiante tendrá la oportunidad de aplicar algunas de las herramientas y métodos aprendidos en los cursos anteriores en un caso práctico. El objetivo de este Capstone Project es mostrar un ejemplo del trabajo que se realiza diariamente en el departamento de Cosmología del Port d’Informació Científica, en Barcelona.

Sep 7th 2026
13-24 Weeks
Mathématiques : préparation à l'entrée dans l'enseignement supérieur (FUN) FUN
École Polytechnique

Mathématiques : préparation à l'entrée dans l'enseignement supérieur (FUN)

Ce MOOC de Mathématiques a été conçu pour vous accompagner dans la transition entre le lycée et l’enseignement supérieur. Composée de 5 modules, cette préparation en mathématiques permet de consolider vos acquis et de vous préparer à l'entrée dans l'enseignement supérieur. Ce MOOC est également une occasion d’évaluer vos connaissances en fin de lycée et de réviser les notions mathématiques qui seront essentielles pour une bonne intégration dans l’enseignement supérieur.

No sessions available
5-12 Weeks