小瓢虫传媒

A la fin de cette unit茅 d鈥檈nseignement, l鈥櫭﹖udiant est capable de :

• 1.1 Faire preuve d鈥檌nd茅pendance intellectuelle dans le raisonnement, porter un regard critique et r茅flexif sur les聽savoirs.
• 2.3 Ma卯triser un socle de savoirs dans le domaine des m茅thodes quantitatives et de l鈥櫭ヽonomie (en particulier,聽les probabilit茅s, qui sont 脿 la base de l鈥檃pprentissage automatique et des algorithmes 鈥渂ig data鈥�).聽
• 3.2 Mener un raisonnement analytique clair et structur茅 en appliquant et, en adaptant si n茅cessaire, des cadres聽conceptuels et des mod猫les scientifiquement fond茅s pour d茅crire et analyser un probl猫me simple mais concret.
• 3.4 Analyser et interpr茅ter des r茅sultats ou des propositions jusqu鈥櫭� la critique argument茅e.聽

• De repr茅senter une exp茅rience al茅atoire 脿 l鈥檃ide du mod猫le probabiliste.
• De d茅montrer les propri茅t茅s de base associ茅es aux concepts de probabilit茅, d鈥檈sp茅rance, variance,聽covariance,...
• D'茅valuer la probabilit茅 d鈥檜n 茅v茅nement survenant dans une exp茅rience al茅atoire simple.
• De calculer une s茅rie d鈥檌ndicateurs li茅s 脿 une ou plusieurs variables al茅atoires (esp茅rance, variance,聽distribution de probabilit茅, covariance, corr茅lation).
• D鈥檃ppliquer le th茅or猫me central limite en vue d鈥檈stimer une probabilit茅, un intervalle de confiance, une聽marge d鈥檈rreur maximale ou une taille minimale d鈥櫭ヽhantillon.