Menu

Sophie HAMMANN

Montrouge

En résumé

Diplômée d'un master Mathématiques et Applications Spécialité Statistiques, je suis à la recherche d'un premier emploi en tant que statisticienne.

Au cours de ma formation, j'ai pu acquérir de solides connaissances sur les méthodes d'estimation, les bases théoriques des tests statistiques mais également sur les éléments de base en biostatistiques et les procédures, algorithmes standards en bayésien. Les modèles linéaires généralisés et la théorie des valeurs extrêmes ont également été étudiés. La maîtrise des logiciels statistiques R et SAS a ainsi été acquise. Par ailleurs, la gestion de base de données fut approfondie à travers le système MySQL.

Logiciels de statistique : SAS, R, WinBUGS.
Logiciels généraux: Word, LateX, Excel.
Langages Informatiques : C, CAML, SQL.
Base de données : MySQL.

Statistique : descriptive, inférentielle, calcul de probabilités, modélisation, prévision, théorie des tests, analyse des données, sondages, classification, séries chronologiques, bootstrap, algorithme EM, analyse bayésienne, méthode de Monte-Carlo, théorie des valeurs extrêmes, modèles linéaires généralisés et analyse de la variance.

Mes compétences :
Biostatistique
Latex
SAS
Word
Langage c
MySQL
Actuariat
Excel
Logiciel R
Power point

Entreprises

  • Crédit Agricole Alsace-Vosges - Stagiaire Actuaire

    Montrouge 2013 - maintenant Choix du seuil de réassurance pour les produits de l'assurance dommages(IARD):
    -Réalisation de tableaux de bord
    -Modélisation de la charge sinistres à venir pour les produits AUTO et MRH à l'aide de modèles linéaires généralisés
    -Utilisation de l'approche POT(Peaks-Over-Treshold) de la théorie des valeurs extrêmes pour la modélisation des sinistres importants (supérieurs au seuil de réassurance) à venir.
  • Laboratoire de Biostatistiques et d'Informatique Médicale - Stagiaire Biostatisticienne

    2012 - 2012 Programmation de modèles hiérarchiques et mixtes
    -Programmation bayésienne de différents modèles sous le logiciel WinBUGS, utilisant la méthode de Monte-Carlo par Chaîne de Markov.
    -Écriture de modèles mixtes avec variance explicite pour les effets aléatoires
    -Confrontation des méthodes fréquentistes et bayésiennes.

Formations

Réseau

Annuaire des membres :