Enseignants
Langue
d'enseignement
d'enseignement
贵谤补苍莽补颈蝉
Th猫mes abord茅s
1 : Statistique Descriptive. Elle regroupe les m茅thodes permettant de condenser les donn茅es d'un 茅chantillon ou d'une population en quelques caract茅ristiques utiles ou estimations. Les distributions de fr茅quences, les fonctions de densit茅 et de r茅partition et les caract茅ristiques param茅triques et non param茅triques sont abord茅es dans les 茅chantillons.
2 : Introduction au Calcul des Probabilit茅s. Selon le proc茅d茅 de s茅lection de l'茅chantillon, ces m茅thodes assurent le lien entre la population et son 茅chantillon. Les mati猫res abord茅es sont les r猫gles de calcul des probabilit茅s (conditionnelles, totales, formule de Bayes,...), la quantification des 茅v茅nements en variables al茅atoires univari茅es et la distribution des probabilit茅s associ茅es, pour des ensembles finis. Les d茅nombrements issus de sch茅mas exp茅rimentaux qui g茅n猫rent les lois uniforme discr猫te, binomiale et hyperg茅om茅trique sont approfondis.
3 : Introduction 脿 l'Inf茅rence Statistique. Pour confronter les observations avec les hypoth猫ses 茅mises sur les param猫tres d'une population, l'inf茅rence statistique utilise des estimateurs. Cette partie du cours analyse ces estimateurs statistiques, leurs caract茅ristiques et leurs qualit茅s d'inf茅rence.
La statistique est la science qui permet de confronter les donn茅es d'un 茅chantillon (r茅alit茅 des estimations ou donn茅es num茅riques recueillies en observant ou en exp茅rimentant une partie de la population) avec la th茅orie (茅nonc茅 d'hypoth猫ses abstraites sur des param猫tres de population). C'est la science d'analyse de donn茅es quantitatives, qui s'applique tr猫s largement 脿 l'ensemble des sciences 茅conomiques, politiques et sociales. Ce cours est une introduction 脿 la statistique.
L'enseignement est centr茅 sur la r茅solution d'applications ou probl猫mes d'analyse des donn茅es en sciences 茅conomiques, politiques et sociales soumis aux 茅tudiants et visant 脿 d茅velopper une d茅marche syst茅matique de r茅solution : Quelle est la question en termes quantitatifs ? Quels sont les outils utiles ? Les conditions de validit茅 sont-elles respect茅es ? Comment calculer ces outils ? Quelle est la r茅ponse 脿 la question ? 聟
2 : Introduction au Calcul des Probabilit茅s. Selon le proc茅d茅 de s茅lection de l'茅chantillon, ces m茅thodes assurent le lien entre la population et son 茅chantillon. Les mati猫res abord茅es sont les r猫gles de calcul des probabilit茅s (conditionnelles, totales, formule de Bayes,...), la quantification des 茅v茅nements en variables al茅atoires univari茅es et la distribution des probabilit茅s associ茅es, pour des ensembles finis. Les d茅nombrements issus de sch茅mas exp茅rimentaux qui g茅n猫rent les lois uniforme discr猫te, binomiale et hyperg茅om茅trique sont approfondis.
3 : Introduction 脿 l'Inf茅rence Statistique. Pour confronter les observations avec les hypoth猫ses 茅mises sur les param猫tres d'une population, l'inf茅rence statistique utilise des estimateurs. Cette partie du cours analyse ces estimateurs statistiques, leurs caract茅ristiques et leurs qualit茅s d'inf茅rence.
La statistique est la science qui permet de confronter les donn茅es d'un 茅chantillon (r茅alit茅 des estimations ou donn茅es num茅riques recueillies en observant ou en exp茅rimentant une partie de la population) avec la th茅orie (茅nonc茅 d'hypoth猫ses abstraites sur des param猫tres de population). C'est la science d'analyse de donn茅es quantitatives, qui s'applique tr猫s largement 脿 l'ensemble des sciences 茅conomiques, politiques et sociales. Ce cours est une introduction 脿 la statistique.
L'enseignement est centr茅 sur la r茅solution d'applications ou probl猫mes d'analyse des donn茅es en sciences 茅conomiques, politiques et sociales soumis aux 茅tudiants et visant 脿 d茅velopper une d茅marche syst茅matique de r茅solution : Quelle est la question en termes quantitatifs ? Quels sont les outils utiles ? Les conditions de validit茅 sont-elles respect茅es ? Comment calculer ces outils ? Quelle est la r茅ponse 脿 la question ? 聟
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unit茅 d鈥檈nseignement, l鈥櫭﹖udiant est capable de : | |
| 1. | D茅crire et d'analyser un 茅chantillon ; |
| 3. | Identifier les proc茅dures simples d'茅chantillonnage ; |
| 4. | Etablir les caract茅ristiques op茅rationnelles des statistiques de base (moyenne, d茅viation, proportion) dans ces proc茅dures ; |
| 2. | Ma卯triser les bases du calcul des probabilit茅s appliqu茅 脿 des d茅nombrements ; |
| 5. | Pr茅ciser les qualit茅s des caract茅ristiques op茅rationnelles de statistiques de base qui permettent l'inf茅rence sur des param猫tres de la population. |
Contenu
Cette unit茅 d'enseignement consiste en une introduction 脿 la statistique. La statistique est la science qui permet de confronter les donn茅es d'un 茅chantillon (donn茅es num茅riques recueillies en observant ou en exp茅rimentant une partie de la population) avec la th茅orie (茅nonc茅s et tests d'hypoth猫ses sur des caract茅ristiques de population). C'est la science d'analyse de donn茅es, qui s'applique tr猫s largement 脿 l'ensemble des sciences 茅conomiques, politiques et sociales.
Ce cours s'articule autour de la statistique descriptive, la th茅orie des probabilit茅s et l'inf茅rence statistique (introduction).
Ce cours s'articule autour de la statistique descriptive, la th茅orie des probabilit茅s et l'inf茅rence statistique (introduction).
M茅thodes d'enseignement
Le cours est donn茅 sous forme d'expos茅s magistraux (pr茅sentation des concepts, d'exemples d'applications, de r茅solutions de probl猫mes) et de s茅ances d'exercices en petits groupes (r茅solutions d'exercices), compl茅t茅s par une participation active des 茅tudiants sous forme de lectures, de visualisation de vid茅os, de pr茅paration d'exercices et de r茅alisation de tests de connaissances.
Le cours Moodle LCOPS1114 constitue le site de r茅f茅rence. Les 茅tudiants sont invit茅s 脿 le consulter r茅guli猫rement.
Des canaux sp茅cifiques de communication et d'茅changes entre les 茅tudiants et l'茅quipe p茅dagogique sont mis en place (Forum Moodle, canaux Teams, r茅unions Teams, ...).
Cet enseignement est con莽u de fa莽on 脿 s'adapter rapidement 脿 l'茅volution sanitaire (enseignement en pr茅sentiel, comodal ou 脿 distance). Les 茅tudiants sont invit茅s 脿 v茅rifier r茅guli猫rement leur horaire de cours sur ADE ainsi que les informations disponibles sur Moodle.
Durant la semaine Win Week, l'enseignant pr茅sente 1) les informations g茅n茅rales, p茅dagogiques et 茅valuatives relatives au cours ; 2) le contenu du cours et ses objectifs ainsi que les pr茅-requis n茅cessaires. Un auto-test de connaissances des pr茅-requis math茅matiques 脿 la mati猫re sera propos茅 et, selon leurs r茅sultats les 茅tudiants seront invit茅s 脿 participer 脿 des s茅ances de remise 脿 niveau math茅matique. Les 茅tudiants participent activement aux activit茅s pr茅sent茅es sur un site sp茅cialement d茅di茅 脿 la mise 脿 niveau des 茅tudiants.
Le cours Moodle LCOPS1114 constitue le site de r茅f茅rence. Les 茅tudiants sont invit茅s 脿 le consulter r茅guli猫rement.
Des canaux sp茅cifiques de communication et d'茅changes entre les 茅tudiants et l'茅quipe p茅dagogique sont mis en place (Forum Moodle, canaux Teams, r茅unions Teams, ...).
Cet enseignement est con莽u de fa莽on 脿 s'adapter rapidement 脿 l'茅volution sanitaire (enseignement en pr茅sentiel, comodal ou 脿 distance). Les 茅tudiants sont invit茅s 脿 v茅rifier r茅guli猫rement leur horaire de cours sur ADE ainsi que les informations disponibles sur Moodle.
Durant la semaine Win Week, l'enseignant pr茅sente 1) les informations g茅n茅rales, p茅dagogiques et 茅valuatives relatives au cours ; 2) le contenu du cours et ses objectifs ainsi que les pr茅-requis n茅cessaires. Un auto-test de connaissances des pr茅-requis math茅matiques 脿 la mati猫re sera propos茅 et, selon leurs r茅sultats les 茅tudiants seront invit茅s 脿 participer 脿 des s茅ances de remise 脿 niveau math茅matique. Les 茅tudiants participent activement aux activit茅s pr茅sent茅es sur un site sp茅cialement d茅di茅 脿 la mise 脿 niveau des 茅tudiants.
Modes d'茅valuation
des acquis des 茅tudiants
des acquis des 茅tudiants
Examen final 茅crit (format papier ou sur ordinateur) : QCM et/ou questions num茅riques (avec r茅ponses courtes) et/ou questions ouvertes en session d'examen. Ces modalit茅s d'examen final sont identiques en seconde et troisi猫me session.L'examen peut 茅ventuellement 锚tre diff茅rent entre les auditoires COMU et HUSO/SOCA/SPOL.
Ressources
en ligne
en ligne
聽MOODLEUCL : cours LCOPS1114.
Bibliographie
Livre de r茅f茅rence : Notions de statistique, Christiane Simard, 3猫me 茅dition, Modulo Inc.
Support de cours
- Livre de r茅f茅rence : Notions de statistique, Christiane Simard, 3猫me 茅dition, Modulo Inc
- Slides du cours disponibles sur Moodle
- Ressources diverses sur Moodle
Facult茅 ou entit茅
en charge
en charge
