Descriptif
L'objectif de ce cours est d'offrir aux étudiants intéressés par les méthodes statistiques en gestion, marketing, économie et finance, les outils de l'économétrie permettant de tester et de prévoir des relations entre variables économiques.Le cours est construit autour des problèmes spécifiques aux types de données utilisées. Il contient également une initiation aux outils informatiques de l'économétrie.
A l'issue du cours, l'étudiant est en mesure de comprendre les bénéfices et les limites des méthodes proposées, ce qui lui permettra de faire une analyse critique des résultats présentés par les logiciels. Les connaissances acquises dans cette brique seront évaluées par un projet où l'étudiant devra démontrer sa compréhension de l'analyse économétrique.
L'enseignement est construit autour de modules qui utilisent les connaissances statistiques et informatiques de l'élève pour lui permettre de conduire un projet d'analyse économétrique. Les problèmes spécifiques à chaque base de données sont analysés d'un point de vue théorique et au moyen de logiciels statistiques.
Site pédagogique : https://sitepedago.telecom-paristech.fr/front/frontoffice.php?SP_ID=3317&#R3381
24 heures en présentiel (16 blocs ou créneaux)
Diplôme(s) concerné(s)
- Echange international non diplomant
- Programme de mobilité des établissements français partenaires
- Diplôme d'ingénieur
- Data & Artificial Intelligence
Parcours de rattachement
Pour les étudiants du diplôme Diplôme d'ingénieur
Statistiques - modèle linéaire Statistics - Linear model
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Echange international non diplomant
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
Pour les étudiants du diplôme Programme de mobilité des établissements français partenaires
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
Pour les étudiants du diplôme Diplôme d'ingénieur
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
- Crédit d'UE électives acquis : 2.5
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Data & Artificial Intelligence
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
Programme détaillé
0. La modélisation économétrique, endogénéité et causalité
1. Le modèle linéaire
2. Test d'hypothèses simples
3. Test d'hypothèses multiples
4. Hétéroscédasticité
5. Séries temporelles
6. Non stationnarité