Table des matières

Table of contents

Diplôme postgrade en statistique

Master degree in statistics
Années académiques:
Academic years: 2006-2007

Message du Directeur des études

A Message From the Director of Studies
4

La statistique: un pari vers l’avenir

5

Statistics: A Challenge For the Future

6
Les activités du statisticien
What Does the Work of a Statistician Entail?
7

Université de Neuchâtel
8

Pays et ville de Neuchâtel

9

Le diplôme postgrade
10

The master’s degree

11

Cours et crédits / Courses and their credits

12
Enseignement & résumés des cours
Teatchers & Courses Summaries
13

Mémoires réalisés
22

Commentaires d’étudiants
25

Coût des études / Cost of study

30
L’institut de statistique vous accueille à Neuchâtel /
Plan de situation
31
Formulaires d’inscription

Diplôme postgrade en statistique 1 Université de Neuchâtel


Yves Tillé,
Director of Studies
Master's degree in statistics
Diplôme postgrade en statistique
Message du Directeur des études
A Message From the Director of Studies
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'ap-
prentissage de logiciels statistiques. Le corps
enseignant est constitué des meilleurs spé-
cialistes 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 suc-
cès 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 inté-
rêt croissant du public pour cette discipline.
C'est avec plaisir que l'Institut de Statistique
de l'Université de Neuchâtel se tient à dispo-
sition pour tout complément d'information
ou renseignement. Aussi n'hésitez pas à
vous inscrire au diplôme Postgrade en statis-
tique.
4 Université de Neuchâtel
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 soft-
ware. 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 1989. 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 socie-
ty as well as growing public interest in sta-
tistics.
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
Diplôme postgrade en statistique
La statistique :
un pari pour l’avenir
Sciences économiques Essais cliniques
Dans le domaine de l’analyse économique, Toujours dans le domaine médical, les plans
les techniques statistiques permettent de et essais cliniques sont non seulement parti-
développer la théorie des indices, grandeurs culièrement adaptés à l’étude des traite-
qui permettent de résumer l’évolution tem- ments de maladies chroniques, comme
porelle d’un grand nombre d’observations. l’asthme, les rhumatismes ou la migraine,
La statistique permet également d’étudier mais sont aussi nécessaires pour tester les
les parités de pouvoir d’achat et notamment nouvelles molécules ou les nouveaux traite-
de comparer les niveaux des prix. La théorie ments.
des processus stochastiques permet d’étu-
Pour résumer, la compétence sur le plan sta-
dier des systèmes qui évoluent au cours du
tistique et l’aptitude à maîtriser l’information
temps selon certaines lois de probabilité et
reçue en permanence doivent être ensei-
peut être appliquée à la statistique financiè-
gnées par des spécialistes. Il faut combiner
re. Dans l’industrie, les plans d’expérience
l’expérience, la pratique et la théorie; c’est
mettent en oeuvre des techniques statis-
L’évolution des professions tend à la diversi- pourquoi, ce cours postgrade en statistique
tiques visant à l’amélioration du contrôle de
fication. Il ne suffit plus de maîtriser un seul convient aussi aux personnes exerçant déjà
la qualité. Dans le vaste domaine de la
domaine de la technique ou de la gestion, une activité professionnelle.
démographie, certains outils statistiques per-
mais il faut savoir intégrer des éléments pro-
mettent de faire des projections de popula-
venant de plusieurs disciplines pour gérer un
tions à l’aide de modèles de prévisions
ensemble cohérent d’informations et de
sophistiqués.
données.
Santé
La statistique joue un rôle important dans
Dans un autre contexte, les programmes de
cette évolution car elle aide à “trier” l’infor-
vaccination ont fait l’objet d’études statis-
mation et à n’en garder que l’essentiel pour
tiques. En effet, il s’agit de déterminer les
en tirer des conclusions pertinentes. Pour se
couches de la population les plus exposées
convaincre de la nécessité de disposer d’ou-
au risque de contamination, le taux de trans-
tils statistiques, il suffit de penser par
mission de la maladie étudiée, ainsi que les
exemple aux décisions économiques où le
bénéfices et les effets secondaires de la vac-
volume d’information est toujours grandis-
cination. Ces préoccupations, comme celles
sant et en évolution permanente. Plus préci-
touchant aux domaines économiques, s’ins-
sément, dans le domaine financier, les
crivent dans le cadre de la statistique com-
banques ne peuvent plus se fier uniquement
putationnelle et de la simulation à l’aide de
aux méthodes traditionnelles, mais font
logiciels. Dans le domaine de la santé, la sta-
appel à des méthodes de prévision qui doi-
tistique occupe une place importante,
vent être fiables. Des exemples concrets de
notamment dans l’analyse des données de
méthodes statistiques, actuellement utilisées
survie. Dans ce cas, l’intérêt porte principale-
dans de nombreuses banques, sont les séries
ment sur l’analyse de la durée du temps de
chronologiques, avec le problème de désai-
survie d’un ou plusieurs groupes de patients,
sonnalisation, ainsi que des techniques non
après administration de différentes modali-
paramétriques et robustes. Un expert de la
tés thérapeutiques. Par exemple, parmi les
gestion de portefeuille est donc amené à se
insuffisants rénaux, ce type d’analyse permet
familiariser avec ces techniques.
d’apprécier la différence en terme de survie
entre ceux qui auront bénéficié d’une greffe
rénale et les dialysés. Ces théories s’appli-
quent également pour apprécier des temps
de rémission (patients cancéreux, SIDA) et
permettent de valider la qualité des traite-
ments administrés.
5 Université de Neuchâtel

Statistics:
A Challenge For the Future
Professions are becoming increasingly multi-
disciplinary. 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 mana-
ge 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 sim-
ply can no longer rely exclusively on traditio-
nal 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 tem-
poral variations for a large number of obser-
vations. Statistics can also be used to examine
purchasing power parities and, more specifi-
cally, to compare price levels. The theory of
stochastic processes allows us to study sys-
tems that change over time on the basis of
certain laws of probability. It can therefore be
applied to financial statistics. In industry, expe-
rimental designs make use of statistical tech-
niques 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 trans-
mission for the disease in question as well as
the benefits and side effects of vaccination.
These concerns, like those relating to econo-
mic fields, fall within the scope of computa-
tional statistics and simulations using statistical
software. Statistics are very useful in the field
of health, especially when it comes to analy-
zing survival data. In this case, the aim is main-
ly 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 pos-
sible to estimate the difference in survival
duration between those who benefit from
kidney transplants and those who receive dia-
lysis. These theories also enable us to determi-
ne remission times for cancer or AIDS patients,
and thereby assess the quality of the treat-
ments administered.
Clinical trials
In the medical field, clinical trials are not only
a particularly useful means of studying treat-
ments 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 specia-
lists. 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 statis-
tique, les débouchés principaux sont les ser-
vices 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 statisti-
cien 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 compa-
nies. The Master’s degree in statistics can
also open up doors for those seeking a
career in research. The following is a non-
exhaustive 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 pro-
duction et aux conditions de travail.
Economie
Mesure du volume de la production, du com-
merce, 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 poli-
tiques gouvernementales. Modélisation et
prévision.
Finance
Gestion du portefeuille, volatilité de la
Bourse, analyse des marchés.
Assurances
Détermination de la mortalité, des taux d’ac-
cidents 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’échantillon-
nage et analyse d’enquêtes sociales.
Commerce
Gestion des données, analyse des ventes,
management, communications et contrôle
théorique, procédures de vérification comp-
table.
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 transmissi-
bilité, organisation d’un programme de vac-
cination, étude des conséquences sur les
générations futures.
Industrie pharmaceutique et agro-ali-
mentaire
Plans d’expérience, analyse des essais cli-
niques, gestion des données, analyse senso-
rielle.
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 statis-
tiques, statistique robuste, statistique non
paramétrique, plan d’expérience, théorie des
sondages, tests de rang, inférence statis-
tique.
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, astro-
nomie, 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 vol-
umes, human resources and living stan-
dards; studying consumption and produc-
tion patterns, analyzing markets, assessing
the impact of advertising and government
policies; creating statistical models and mak-
ing forecasts.
Finance
Managing portfolios, assessing volatility on the
stock market, carrying out market analysis.
Insurance
Determining mortality, accident rates of pol-
icyholders, 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), assess-
ing population growth.
Environment and meteorology
Carrying out simulations to predict long-
term developments, measuring the impact
of environmental measures.
Epidemiology
Assessing the risk of contamination, the rate
of transmission, devising vaccination pro-
grams, studying the consequences for
future generations.
Pharmaceutical and food-processing
industries
Developing experimental designs, analyzing
data from clinical trials, managing informa-
tion, 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, statisti-
cal methods, robust statistics, nonparametric
statistics, experimental designs, sampling
theory, statistical tests and statistical infer-
ences.
Health
Analyzing the cost of accidents, medical
care and hospitalization.
Sciences
Conducting basic research in the natural sci-
ences, physics, chemistry, biology, geology,
hydrology, astronomy, electronics, botany
and zoology.

Diplôme postgrade en statistique 6 Université de Neuchâtel Diplôme postgrade en statistique 7 Université de Neuchâtel
 Université de Neuchâtel
Fondée comme Académie en 1838, consa-
crée Université en 1909, située dans un
décor agréable de lacs et de montagnes,
l’Université de Neuchâtel 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 collabora-
teurs de l’enseignement et de la recherche
dont 117 membres du corps enseignant.
L’Université de Neuchâtel est largement
ouverte sur la Suisse et aux relations interna-
tionales puisque qu’environ 40% des étu-
diants 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 uni-
versitaires 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 étu-
diants. 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.
Diplôme postgrade en statistique 8 Université de Neuchâtel
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.
Diplôme postgrade en statistique
Pays et ville de Neuchâtel
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 La zone piétonne, la place du marché et les
haut du canton de 1762 à 1765. diverses terrasses dominées par la collégiale et
le château, procurent à la ville un charme par-
Une trentaine de musées sont répartis dans ticulier. Neuchâtel organise de nombreuses
le canton et attestent du goût des manifestations entre autres la traditionnelle
Neuchâtelois pour l’art. Outre cette vie cul- Fête des Vendanges, FestiJazz, le Buskers
turelle très active, les Neuchâtelois ont la Festival durant lequel des musiciens de toutes
réputation d’être de grands dégustateurs de nationalités jouent dans la zone piétonne et la
vins. Réparti sur 600 hectares, le vignoble fête du port. Les fêtes villageoises connaissent
neuchâtelois offre des vins de grande quali- chaque année un immense succès et contri-
té: les blancs frais et pétillants du Chasselas, buent pleinement à la notoriété de la région.
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 princi-
paux atouts de cette ville. Il offre diverses
activités sportives telles que ski-nautique,
voile, planche à voile, plongée, etc.
9 Université de Neuchâtel
 Le Diplôme Postgrade The Master's Degree

Système de crédits Conditions d'admission Degree offered Admission criteria

Le programme du diplôme Postgrade en sta-
tistique est trimestriel. Il comporte trois tri-
mestres de 10 semaines chacun, composés
de cours, de séminaires et d'éventuels tra-
vaux 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 tri-
mestre sanctionnant le cours. Les étudiants
ayant obtenu 35 crédits, 5 crédits de sémi-
naire, et ayant rédigé un mémoire - 20 cré-
dits - accepté par un jury obtiennent leur
diplôme (60 crédits). Ce mode d'enseigne-
ment «à la carte» permet à l'étudiant d'ef-
fectuer sa formation à temps partiel. Les étu-
diants 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'inscri-
re 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 supplémen-
taires 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 étu-
diants 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 statis-
tique» est décerné par l'Université de
Neuchâtel aux candidats qui ont satisfait aux
exigences prévues dans l'article 9 du règle-
ment 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 valida-
tion du mémoire sont organisés comme suit:
chaque cours fait l'objet d'un contrôle de
connaissances selon l'une des modalités sui-
vantes:
- 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 repré-
senter 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 cré-
dits 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 diplô-
me Postgrade. Ce mémoire est ensuite éva-
lué par le Directeur du Postgrade. En cas
d'échec, une nouvelle version peut être pré-
sentée dans les délais réglementaires ou un
autre sujet choisi. Dans tous les cas, un
deuxième échec est définitif.
Sont admissibles comme étudiants au diplô-
me 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 deman-
dées) doivent être adressées sous pli fermé à
la direction du cours avant:
• le 31 août
A l'adresse suivante :
Université de Neuchâtel
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 com-
prises 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 corres-
ponds 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, sprea-
ding 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.
The Master's degree in statistics is delivered The Master's degree program is open to stu-
by the University of Neuchâtel to students dents with a university degree in economics,
who satisfy the requirements mentioned in science, social sciences and human sciences
Article 9 of the program regulations: from any Swiss university. The program is
1. Passed exams yielding a minimum of 35 also open to candidates holding other
course credits and taken part in seminars degrees recognized by the University of
corresponding to 5 credits; Neuchâtel. Applicants with an insufficient
2. Obtained at least 8 credits after the first knowledge of mathematics and statistics
term, 5 credits at the end of the second may be required to take an introductory
term, and 5 credits at the end of the third course before registering for the Master's
term; degree program. This introductory course
3. Written a thesis that has passed review by does not provide any credits.
a thesis committee (20 credits).
Candidates must also have a good working
Students who match criteria (1)-(2) but do knowledge of English since some of the
not write a thesis shall receive a “Graduate courses are taught in English.
Certificate in Statistics”.
The exams and thesis review take place as Applicants who meet admission criteria may
follows: In order to obtain course credits, then fill out the registration form for the
students must either take a 2-hour written Master's degree program and request a stu-
exam or write a report on a subject propo- dent ID from the University of Neuchâtel.
sed by the professor teaching the course. In Registration forms (together with all reques-
the latter case, an oral exam of 20 to 30 ted enclosures) must be sent to the follo-
minutes is usually given. wing address by August 31st at the latest:
As a rule, exam sessions take place at the Université de Neuchâtel
end of each term. Students are required to Faculté des sciences économiques
take exams for courses that they have atten- Secrétariat du Postgrade en Statistique
ded. Students who have not attended at Avenue du 1er mars 26
least 75% of the scheduled classes for a CH 2000 Neuchâtel
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 fai-
lure 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 stu-
dent, under the supervision of a professor
teaching one of the Master's degree pro-
gram 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.

Titre décerné

Diplôme postgrade en statistique 10 Université de Neuchâtel Diplôme postgrade en statistique 11 Université de Neuchâtel

Diplôme postgrade en statistique
Enseignement & résumés des cours
Teatchers & Courses Summaries
Cours et crédits
Gérard Antille a obtenu une licence ès sciences mathématiques, un diplôme de mathématicien ainsi qu’un
Courses and their credits
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 prin-
cipaux domaines d’enseignement et de recherche sont les plans d’expérience, la statistique robuste et l’ana-
lyse des données. Par ailleurs, il est co-auteur notamment du livre Pratique de la statistique inférentielle.
Module de Base Obligatoire Crédits La modélisation de l’incertain et le calcul des probabilités sont à la base de la méthodologie statistique. Dans
(22 crédits - 9 cours) cette optique, ce cours est construit dans le but de faciliter l’approche de la théorie des probabilités, spécia-
lement le calcul des distributions, leurs moments et leur fonction génératrice. L’objectif principal sera ensui-
G. Antille Probabilités 4 te d’établir le lien entre la théorie nécessaire à la construction de modèles de probabilité et l’applicabilité de
J-P. Gabriel Processus stochastique 2 ces modèles à des phénomènes réels tels que la fiabilité, les files d’attente,... Ce cours traitera: des variables
M. Graf Introduction aux séries temporelles 2 Gérard Antille aléatoires, des distributions de probabilité, des lois conditionnelles, du changement de variables, des fonc-
D. Kuonen Computer Package R 1 tions génératrices, de quelques lois classiques (géométrique, binomiale, binomiale négative, exponentielle,
M. Lejeune Statistique mathématique 4 normale gamma) de convergence (en probabilité, presque sûr, en loi) de théorèmes limites fondamentaux
V. Rousson Analyse de régression 3 (lois des grands nombres, théorème central limite) du théorème de Glivenko-Cantelli, des chaînes de Markov,
G. Saporta Analyse multivariée 2 du processus de Poisson, de marche aléatoire, de fiabilité, de survie et de temps d’attente.
Y. Tillé Théorie des sondages 2
G. Tutz Generalized linear models 2
José Bernardo earned two doctorates: the first in Mathematics from the University of Valencia and the
Séminaires second in Statistics from the University of London. He was Professor of Biostatistics (1978-1982 University of
(5 crédits sur les 10 crédits) 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.
P. Campanelli Questionnaire Design 1 He has given courses in Italy, Mexico, Venezuela, Morocco, Argentina, Germany, Israel, USA, Peru, Chile and
Y. Dodge Analysis of experiments with missing data 2 South Africa. He is author of Bayesian Theory (with A.F.M. Smith 1994 Wiley) and author of 57 research
S. Fleury Computer package SAS 2 papers published in various professional journals including Annals of Statistics, Biometrika, Journal of the
Th. Gasser Nonparametric Statistics 1 American Statistical Association, Journal of the Royal Statistical Society, The Statistician and Theory and
V. Luzar Stiffler Computational Statistics 2 Decision.
G. Melfi Modèles de files d'attente 2
Bayesian statistics
José Bernardo This course includes: coherent decision making, maximising expected utility, inference and information, coun-
Cours à choix table additivity, generalised decision theory, exchangeability, invariance, sufficiency, partial exchangeability, the
(13 crédits à choisir parmi les 11 cours - 20 crédits) Bayesian paradigm, conjugate analysis, asymptotic analysis, reference analysis, numerical approximations,
model comparison, model rejection, alternative approaches, stylised inference problems, comparative issues
J. Bernardo Bayesian statistics 2 and discussion and further reading. Basic understanding of probability theory is assumed and some concepts
A. Davison Computer Intensive Statistical Methods 2 of frequentist inference would be beneficial, but no previous exposure to mathematical statistics is required.
C. Gourieroux Time series analysis 2 The course will be based on selected parts of Bernardo and Smith (1994). Students would benefit from prior
Y. Grize Statistical design and analysis 2 reading of Lindley (1985), which is an excellent elementary introduction to Bayesian concepts.
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 Anthony Davison is Professor of Statistics at the EPF Lausanne. His degrees are from Oxford and from
G. Molenberghs Methods for incomplete data 2 Imperial College London. He is an Associate Editor of Biometrika and of REBRAPE and has served on the
I. Olkin Statistical methods for combining information 1 Research Section Committee of the Royal Statistical Society. He is a member of the International Statistical
J. Whittaker Graphical models 1 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.
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
Anthony C. Davison 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.
12 Université de Neuchâtel Diplôme postgrade en statistique 13 Université de Neuchâtel

Jean-Pierre Gabriel
Monique Graf
Christian Gouriéroux
Diplôme postgrade en statistique 14
Après des études de physique expérimentale à l’EPFZ, Jean-Pierre Gabriel obtient un doctorat en mathé-
matiques (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 ques-
tions 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 aléa-
toires, 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'Université de Neuchâtel et dans
divers cycles postgrades à l'EPFL, l'Université de Neuchâtel et l'Ecole d'Ingénieurs de Bienne. Ses domaines
d'intérêt sont les applications des séries chronologiques, les statistiques spatiales, les estimations de la préci-
sion 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 tem-
porelle 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).
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, estima-
tion et mise à jour des prévisions, modèle à racine unitaire et modélisation des tendances. Diverses exten-
sions sont ensuite proposées : dynamiques linéaires multivariées (modèles ARMA), dynamiques non linéaires
(modèles ARCH et modèles à seuil).
Université de Neuchâtel
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 1984. He was then for two years Member of Technical Staff at AT&T Bell laborato-
ries 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 informa-
tion with the minimum experimental effort. To this end special experimental plans can be constructed to
Yves L.aurent Grize 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, mul-
tivariate analysis, parameter and quantile estimation, robust statistics and outlier detection, statistical com-
puting 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,
Ali S. Hadi 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 tho-
rough analyses of real-life data using computer packages of their choice.
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 1992-1996, 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 1978-80 and 1992-97.
Nonparametric statistics
Principle of invariance in hypotheses testing. Order statistics and ranks, their basic properties. Permutation
Jana Jureckova tests. Rank tests. Locally most powerful rank tests. Pitman efficiency. Rank tests for comparing two treat-
ments: 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.
Diplôme postgrade en statistique 15 Université de Neuchâtel
 Diego Kuonen, PhD in Statistics, is founder and CEO of Statoo Consulting, Lausanne, Switzerland (www.sta-
too.ch). Statoo Consulting is a software vendor and independent Swiss consulting firm specializing in statis-
tical 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 (www.R-project.org) is a language and environment for advanced statistical computing and very high qua-
lity 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
Diego Kuonen functions and the ability to run programs stored in script files. In recent years the research emphasis in sta-
tistical 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 col-
loques. 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 inter-
Ludovic Lebart prétables par l’utilisateur. On présentera successivement: une introduction générale, la classification auto-
matique, 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 statis-
tique à l’Université d’Etat de l’Orégon en 1974. Il a dirigé la Division de statistique de l’Institut Universitaire
de Médecine Sociale et Préventive de Lausanne avant de devenir Professeur à l’Université de Neuchâtel 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, esti-
mateur du maximum de vraisemblance, propriétés asymptotiques et solutions approchées. Tests d’hypo-
Michel Lejeune thèses: définitions, principes, optimalité (tests UMP), fonctions, pivot, tests classiques sur un ou deux échan-
tillons (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 fré-
quences: 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 maxi-
mum de vraisemblance, Jackknife.
Diplôme postgrade en statistique 16 Université de Neuchâtel
Farhad Mehran, Ph.D. in Statistics, Harvard University, 1973. 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 inten-
Farhad Mehran tions 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 lin-
guistique, 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 pré-
paration 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 sur-
rogate marker evaluation in clinical trials (2005), jointly with Tomasz Burzykowski and Marc Buyse. He served
as Joint Editor for Applied Statistics (2001-2004) and as Associate Editor for several journals, including
Biometrics and Biostatistics. He is President of the International Biometric Society (2004-2005). He was elec-
ted 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 ).
Geert Molenberghs
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 wea-
ker theoretical foundation than likelihood-based or Bayesian methods developed under the missing at ran-
dom (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 conside-
rations. 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 mis-
sing 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.
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
Ingram Olkin 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 over-
lapping data makes meta-analysis an extremely useful tool.
Meta-analysis requires several steps prior to statistical analysis: formulation of the problem, a literature sear-
ch, 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.
Diplôme postgrade en statistique 17 Université de Neuchâtel

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 1998. 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 entre-
prises (Institut BVA, Johnson et Johnson, ...). Ses travaux portent sur l’analyse des données multidimension-
nelles. Il est en particulier à l’origine de la méthode de scoring “Disqual” utilisée par de nombreux orga-
nismes 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 édi-
tions 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 pré-
dicteurs qualitatifs: scoring. L’analyse conjointe ou trade-off. Recueil des données, utilisation de plans d’ex-
périences, régression monotone, application à la définition de nouveaux produits (offres en téléphonie cel-
lulaire, choix de transports), modèles de part de marché.
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 1983.
In 1988 he obtained the postdoctoral lecture qualification in Statistics and occupied the chair of Statistics at
the University of Regensburg in 1991 and 1992. 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 cate-
gorical data, semi- and nonparametric regression modelling, local smoothing techniques, event history ana-
lysis, mixed models.
Short bibliography:
Fahrmeir, Tutz (2001) Multivariate statistical modelling based on generalized linear models 2nd edition. New
Gerard E. Tutz 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 pre-
sence 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, espe-
cially 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 parameteriza-
tion possible. Tools for inference for the multicategorical case are derived and applied. An important exten-
sion 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 regres-
sion 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.

Professeur de statistique appliquée à l'Université de Neuchâtel, Yves Tillé a obtenu un doctorat en statis-
tique 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 ensei-
gné 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'ou-
vrages 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 son-
Yves Tillé, dage, 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 tech-
niques permettant d'utiliser de l'information auxiliaire à l'étape de l'estimation (estimation par la régression,
calage).
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 gra-
phical 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
Joe Whittaker research worker in many areas of applied statistics. Specific problems are to determine which variables inter-
act 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 gra-
phical model is formulated. The technique is related to log-linear models for contingency tables, to cova-
riance selection models for correlation matrices, to recursive models for path analysis and to the mixed inter-
action model. Available software for fitting graphical models is described and illustrated by the accompa-
nying case studies.
Séminaires : Enseignement et résumé
Séminar : Teatchers and Summary

Diplôme postgrade en statistique 18 Université de Neuchâtel Diplôme postgrade en statistique 19 Université de Neuchâtel
 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 psycho-
logy 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 publica-
tions 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 regular-
ly 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,
Pamela Campanelli the University of North Carolina and the U.S. Joint Program in Survey Methodology.
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 for-
mal courses. It involves a "hands-on" exercise as well as a lecture format.
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 1973. 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 analy-
sis 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.
Yadolah Dodge
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 classi-
fication. Comparisons will be made between these methods.
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'Université de Neuchâtel, il effectue un postgrade en statistique dans la même Université. Auteurs et co-
auteurs 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 consomma-
tion » 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'Université de Neuchâtel
Le cours SAS propose une large introduction à SAS pour Windows. Il est structuré selon les étapes concrètes
Stéphane Fleury du travail statistique et comprend une série d'exemples pratiques avec données et programme SAS de réfé-
rence. 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, vec-
teurs 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
Diplôme postgrade en statistique 20 Université de Neuchâtel
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
Théo Gasser warping, shape-invariant modeling.
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 tech-
niques, also called "smoothing methods". We will start the course with probability density estimation, inclu-
ding 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.
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, spe-
cializing 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 statisti-
cal/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.
Vesna Luzar-Stiffler
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 select-
ed background research and typical examples; Monte Carlo studies in statistics; an example of a simple sim-
ulation 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 statis-
tical accuracy; a case study (using SAS); techniques for discovering structure in data; supervised and unsu-
pervised learning; tree-based methods and issues; model assessment and selection plus a case study.
Giuseppe Melfi a obtenu un Doctorat en Mathématiques à l’Université de Pise et un Master en Statistique
à l’Université de Neuchâtel. Il a travaillé à l’université de Pise, de Lausanne et de Neuchâtel, où il est actuel-
lement 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 essen-
tielles 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 sim-
ulation de processus et aux problèmes de files d’attente. Des séances d’exercices sont prévues.
Giuseppe Melfi
Diplôme postgrade en statistique 21 Université de Neuchâtel
 Mémoires réalisés
Roberta Alliata (1993)
Analyse de données portant sur l’évaluation
de l’introduction de la nouvelle méthodolo-
gie 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 1950-1995
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 corres-
pondance multiple et de la classification.
Diplôme postgrade en statistique 22 Université de Neuchâtel
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 évolu-
tives: 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, 1998.
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 spé-
ciale 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) Gerhard Gmel (1999) Stéphane Labarrière (1998) Martin Müller (1992)
Intervalle de confiance des indices d’audien- Methodological considerations for measuring L’approche statistique en démographie. A comparative study of L1-norm based sim-
ce radiophonique en suisse: une application alcohol consumption. Exemples d’applications sur les populations ple and multiple regression algorithms.
du boostrap Asplit sample study in Switzerland. artisanales.
Stéphane Munier (1999)
John Crombez (1996) Eric Grosjean (2003) Alain Lattafi (1995) Recherche de valeurs aberrantes et modèles
The value of the Blume-indicator. Une brève propmenade dans le monde des Une base de sondage pour le canton du linéaire généralisées.
processus stochastiques Jura.
Adam Czub (2002) Thierry Murier (1996)
Mutual Fund Investment Style Analysis: Natacha Guenther (2003) François Lefebvre (1996) Empirical Evidence of randomness of pi dec-
Kalman Filter Technique Approach Analyse descriptive de tableaux de données Le modèle à erreurs composées. imal digits: an application on the first
chronologiques 200’000’000 digits.
Cristina Danciu (2003) Anthony Lehmann (1996)
An application of empirical Bayesian Antoine Guisan (1996) Statistical analysis of aquatic plants growth Neela Nath (1998)
methods in insurance Etude et modélisation statistiques de la dis- and distribution along sediment and depth Diagnostic for fever in malaria related
tribution géographique des plantes dans un gradients. disease by way of logistic regression.
Steivan Defilla (2005) environnement alpin.
Is the Value of Money Different from Zero? Christoph Lehmann (2004) Desislava Nedyalkova (2005)
Sahar Hosseinian (2003) Application and comparison of classification Optimal Sampling Strategies under Linear
Ahidoba De Franchi (2000) Gulliver.02. Peut-on être un bon suisse? algorithms for recognition of alzheimer’s Model : Model-Based Vs Design -Based
La conflictualité à travers les générations, Une analyse statistique disease in electrical brain activity. Inference.
une application de l’analyse des correspon-
dances multiples Deirdre Hugi-Cleary (2003) Sébastian Leuzinger (2005) Markus Niggli (2005)
Multivariate Regression Analysis of the Factors Analysis of Sap Flow Signals in Trees under Estimation des crues par une approche
Patrick Detzel (1995) Afecting Breakthrough Times in Activated Elevated CO2 bayésienne Hiérarchique.
Distinction de genre situation familiale Carbon Sorption Systems
et activité professionnelle. Aline Lykiardopol (2002) Dimitar Nikolosi (2000)
Katia Iglesias (2004) Une estimation Robuste du Variogramme Les mesures d’inégalité de la distribution
Anne De Vries (1999) Indicateurs composites: méthodologie et des revenus en Macédoine
Regressions on length of stay usingbody application au domaine du bien-être subjectif Alexandre Maillefer (1997)
burden of disease. Effet de la taille de la population et des varia- Sébastien Nusslé (2005)
Ismail Ispir (1991) tions stochastiques sur un modèle d’établisse- Spatial autocorrelation: A false enemy in
Réjane Dreifuss (1996) A statistical analysis of the federal votations ment d’une population tétraploïde chez les data modelling.
L’enquête de santé maternelle et infantile de in Switzerland (1950-1987). plantes.
Sikasso (Mali). Ueli Oetliker (2002)
Thérèse Jeanloz (1996) Béatrice Malignon (1991) Traitement des données manquantes et aber-
Françoise Dubas (1993) Population du canton de Neuchâtel. Positionnement des produits: rantes dans le domaine des revenus de l’enquê-
Empirical influence functions for the Cox application de l’analyse en composantes te sur les revenus et la consommation. (ERC 98)
regression model (proportional hazards Paul Jordan (1990) principales et classification hiérarchique.
model). Estimation of tolerance limits from reference Alexandre Oettli (2004)
data. Florian Martin (2003) Probabilité d’hospitalisation simple et condi-
Jean-Marc Durini (1993) Selection of microsatellite markers for tobac- tionnelle.
La dynamique des cours boursiers. Pierre Joyet (1996) co and identification of varieties using dis-
Two Stochastic Avatars of Verhulst’s Model criminant analysis. Carlos Ordas Criado (2005)
Raphaelle Eckert (2001) in Population Dynamics. Estimation non paramétrique d’une courbe
Etude Econometrique d’une nouvelle Alina Matei (2002) de Kuznets environnementale pour les émis-
courbe de Philipps en Suisse Bernard Junod (2002) Implementation of an Improvement of the sions de méthane (CH4) en Espagne et tests
Les données manquantes en analyse Cox Algorithm with Application in the non paramétriques d’hétérogénéité dans un
Nicole Egli (2005) Multivariée Imputation of non-response of Qualitative panel de données
Investigation of the possibility of Modelling Data.
Within-Variability of Configurations of 6 Julien Junod (2003) Maria Paris (2002)
Minutiae Using an Automatic Fingerprint Diagnostics de régression logistique et données Jean-Marie Mbonimpa (1999) Arbres de décision – outils de classement
Indentification System d’enquête. Analyse statistique de la concentration et de prédiction du data mining.
industrielle en Valais.
Herbert R. Elkin (1990) Ma’moun Kassab (1998) Elisabeth Pastor (1998)
Identification of outliers by regional classifi- Palestinian Industrial Survey: Evaluation of Giuseppe Melfi (2001) Analyse en composantes principales.
cation in least absolute values regression. the sampling strategy and exploration of Les fractions continues : une étude sur la dis-
alternative estimators. tribution des coefficients Johan Pea (2004)
Léopold Fossi Talom (2005) Tirages coordonnés d’échantillons :
The Portfolio Value at Risk Olivia Keiser (2004) Pierre-Yves Moix (1998) simulation des méthodes des substitutions
Adverse events to antiretrovirals in the Swiss An application of quantile estimation: VaR. de Kish and Scott et de la méthode PRN.
Béatrice Frey (1993) HIV cohort Study 1999-2004: impact on
Forecast of unemployment in Switzerland. mortality and changing patterns. Philippe Mojon (1996) Laurence Pellaumail (1998)
Statistical Treatment of Intra-And Interrater A new robust method for the detection of
Olivier Furrer (1997) Jonathan Kissling (2004) Agreement. outliers in regression.
La performance des services autour des Model averaging : a case study in modelling the
produits informatiques. spatial distribution of plant. Fabian Mollet (2005) Amandine Perrinjaquet (2004)
Statistical control in Vivotif R production L’utilisation des programmes Peer to Peer
Laure Gavin (1999) Kondylis Athanassios (2003) process at Berna Biotech AG sous l’angle de la confiance.
Efficacité des mesures actives proposées aux Partial Reweighted Least Squares
demandeurs d’emploi et méthodes non Florence Monard Sermier (2004) Sandro Petrillo (2005)
expérimentales d’évaluation. Sandrine König (1991) Etude statistique des mécanismes de trans- Simulation de points aléatoires indépen-
Estimation de la variance: méthodes basées fert des fibres dants et non-indépendants sur surfaces non
Gérard Geiser (1997) sur le concept de réplication. plane.
Une analyse des ventes Tissot. Pierre Monnin (1999)
Christian Lantz (2003) Efficience du marché des changes. Séverine Pfaff (1990)
Yves-Alain Gerber (2003) Evaluation des propriétés psychométriques Analyse de données catégoriques longitudi-
Déterminants du revenu : problématique de de l’échelle des valeurs de Schwartz. Barbara Moser (2005) nales appliquée à des statistiques sur l’em-
la non-réponse Effect of herbivory on biomass production ploi et le chômage.
Adrian Lanz (1992) and nitrogen content of forest herbs and
Daniel Gerhard (1993) Two phases sampling for forest inventory. grasses Dominique Pfluger (1993)
Un réseau labile de neurones stochastiques. A mortality study of lung cancer among
Ivo Müller (1998) Swiss chauffeurs - Counting for smoking
Spatial Bayesian models for mapping related fraction by a multivariate approach.
of child growth and nutrition.
Diplôme postgrade en statistique 23 Université de Neuchâtel

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 statis-
tiques (table normale, de Student et du chi-
carré).
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.
Maik Roth (2004)
Les relations de participations entre les
entreprises suisses et étrangères (1995-2001)
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 multi-
dimensional phenomenon.
Diplôme postgrade en statistique 24 Université de Neuchâtel
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 mor-
bidity and exercise capacity in patients with
congestive heart failure - combined results
of five trials with exercise capacity as prima-
ry 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.
Steve Vaucher (1998)
Auto-estimation et mesure du taux d’alcoo-
lémie.
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.
Commentaires d’étudiants
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
Pierre Pury
Liceencié
en sciences naturelles
Promotion 1991/1992
Diplôme postgrade en statistique 25
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 mathéma-
tique acquises durant mes études (doctorat en physique à l’ETH de Zurich), j’ai pris conscience à cette occa-
sion de la nécessité de compléter ma formation par une connaissance plus approfondie des méthodes sta-
tistiques. 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 sou-
vent 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 profes-
seurs 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 sta-
tistique. 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.
Il est plaisant de se retremper dans la rigueur intellectuelle des mathématiques après quelques années d’ac-
tivité 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 par-
cimonie, 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’informa-
tique, que vous gagnez les points de votre réussite. Si par chance votre téléviseur tombe en panne, laissez-
le dans cet état jusqu’à la fin...
Je demeure convaincu que le cours postgrade de statistique de l’Université de Neuchâtel 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.
Université de Neuchâtel

Ekkehardt Altpeter
Docteur en médecine
Promotion 1992/1993
Pierre Joyet
Diplômé
en mathématiques
Promotion 1995/1996
Hélène Wagner
Diplômée en géographie
Promotion 1995/1996
Diplôme postgrade en statistique 26
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 phy-
sician, 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.
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’assu-
rances.
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’oc-
casion 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 statis-
tique est un outil essentiel.
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 fan-
tasy 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.
Université de Neuchâtel
Philipe Mojon
Diplôme de médecin-dentiste
Promotion 1995/1996
Gérard Geiser
Licencié en sciences
économiques
Promotion 1996/1997
Elisabeth Pastor
Licenciée en sciences
économiques
Promotion 1997/1998
Diplôme postgrade en statistique 27
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 sub-
til mélange de formation de base et de techniques de pointes ainsi que les efforts des enseignants pour adap-
ter 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.
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.
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 récla-
ment 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 for-
mation. 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 ori-
gines variées, les multiples applications proposées par des étudiants provenant eux aussi de milieux profes-
sionnels et géographiques souvent très différents, ont donné à ces deux ans d’étude un petit goût d’aven-
ture.
Le prix d’un tel voyage se chiffre à quelques heures de sommeil en retard, mais on en revient avec la satis-
faction 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
Université de Neuchâtel

Athanassios Kondylis
Licencié en statistiques
Promotion 2001/2002
Deirdre Hugi-Cleary
Docteur en chimie
Promotion 2002/2003
Diplôme postgrade en statistique 28
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.
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.
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!
Université de Neuchâtel
Christoph Lehmann,
PhD student in Neuroscience.
Promotion 2003/2004.
Clara Ines Sandino
Ingeniera Mecanica
Magister en Ingenieria Industrial
Promotion 2004/2005
Flaminio Cadlini
Licencié en sciences économiques
Promotion 2005/2006
Diplôme postgrade en statistique 29
29
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 tho-
rough 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, get-
ting 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.
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.
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 pro-
blem, 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 docto-
ral degree in Biomedical Engineering in Spain and I believe that joining the master is the most useful deci-
sion I have took until now, I learned a lot and I enjoyed it very much.
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 phéno-
mènes 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’ana-
lyse 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.
Université de Neuchâtel
 Coût des études
Cost of study Postgrade en Statistique
vous accueille à Neuchâtel

Frais d’inscription • CHF. 1000.– pour les étudiants suisses ou possédant un permis C
au postgrade ou dont le conjoint possède un permis C (sous réserve de modifications).

• CHF. 1550.– pour les étudiants étrangers.

Logement Les étudiants ont la possibilité de bénéficier de conditions avantageuses aux endroits
et repas suivants:
• Cité Universitaire, Clos Brochet 10, CH-2000 Neuchâtel, Téléphone +41 32 727 6800
Repas de midi entre CHF. 7.80 et CHF. 10.- 105 chambres
105 lits, CHF. 240.- ou CHF. 320.- par mois.

• Cité Universitaire, Sablons 46, CH-2000 Neuchâtel, Téléphone +41 32 727 6800
46 chambres, 60 lits, entre CHF. 290.– et CHF. 650.– par mois.

• Maison des Jeunes, Tertre 2, CH-2000 Neuchâtel, Téléphone +41 32 725 4747
Repas de midi et du soir CHF. 8.70
42 chambres, 51 lits, demi-pension par personne et par mois : CHF. 730.- (1 lit) ou
CHF. 690.- (2 lits). (pension complète : + CHF. 100)

• Maison de Champréveyres, Dîme 60, CH-2000 Neuchâtel, Téléphone +41 32 753 3433
75 chambres, entre CHF. 495.– et CHF. 745.– par mois en demi-pension
(CHF. 130.– de plus en pension complète).

Transports Des abonnements «Onde verte» (2 zones) valables sur tout le réseau des transports publics
publics de Neuchâtel sont disponibles au prix de:
• CHF. 41.– par mois (CHF. 360.– par année) pour les moins de 25 ans.
• CHF. 56.– par mois (CHF. 477.– par année) pour les plus de 25 ans. Postgrade en Statistique
Université de Neuchâtel, Avenue du 1er-Mars 26, CH-2000 Neuchâtel
e-mail: journal.poststat@unine.ch
Assurances Une assurance-accident, couvrant exclusivement les frais de transport et déplacement, est comprise dans Internet: http://www.unine.ch/statistics
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. 10’000.– ou invalidité s’élevant à CHF. 100’000.).
Il est obligatoire de contracter en plus une assurance maladie. Plan de situation

Budget mensuel moyen Voici le détail approximatif du coût mensuel en CHF. des études à Neuchâtel pour un étudiant célibataire 1 Université de Neuchâtel - Bâtiment principal
de plus de 25 ans:
2 Institut de statistique
Loyer (y compris chauffage eau électricité) CHF. 600.–
Alimentation CHF. 500.–
Assurance maladie obligatoire CHF. 150.–
Téléphone, radio, télévision CHF. 60.–
Transports publics CHF. 90.–
Livres, matériel d’études CHF. 110.–
Taxes universitaires (ramenées au mois) CHF. 170.–
Frais médicaux dentaires, etc. CHF. 50.–
Habillement CHF. 70.–
Loisirs divers CHF. 100.–
Total mensuel CHF. 1900.–

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 +41 32 889 6902

Le montant annuel d’une bourse peut varier de la façon suivante:

• Entre CHF. 500.– et CHF. 13’000.– pour les célibataires.
• Entre CHF. 500.– et CHF. 18’000.– pour les mariés (+ CHF. 3000.– 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.)

Diplôme postgrade en statistique 30 Université de Neuchâtel Diplôme postgrade en statistique 31 Université de Neuchâtel