v2.11.0 (5932)

Enseignement scientifique & technique - APM_0EL02_TP : Statistiques

Domaine > Mathématiques.

Descriptif

L'objectif de ce cours est de donner aux élèves les outils indispensables à la pratique des statistiques et de l'analyse de données, en déclinant les concepts fondamentaux : modèles, estimateurs, estimation ponctuelle (maximum de vraisemblance, méthode des moments), risque quadratique, borne de Cramer-Rao, procédures de décision, tests d'hypothèses, intervalles de confiance, méthodes bayésiennes. Les cours seront illustrés par des exemples pratiques.
 
 

Objectifs pédagogiques

Acquis d'apprentissage
À l'issue de l'UE, l'élève sera capable de:
- A l'issue de cette UE, les élèves sont capables de résoudre un problème d'estimation paramétrique et d'évaluer les performances théoriques optimales.
- A l'issue de cette UE, les élèves sont capables de résoudre un problème de test d'hypothèse de manière optimale.

Compétences de rattachement (et justification)
- BC1.1 – Analyser des systèmes existants de traitement des données, de communication et/ou d’organisation de l’information, en mobilisant les sciences et technologies (mathématiques, physique et informatique) dans un but d’audit ou d’optimisation; Justification : A l'issue de cette UE, les élèves sont capables d'identifier si une solution de recherche d'information dans des données (avec modèle) est pertinente ou pas
- BC1.3 – Elaborer une ou plusieurs solutions technologiques, en s’appuyant sur la modélisation théorique et la méthode scientifique de manière à faire ressortir la pertinence desdites solutions permettant une prise de décision; Justification : A l'issue de cette UE, les élèves sont capables de calculer des solutions de recherche d'information dans un système bien modélisé.

24 heures en présentiel (16 blocs ou créneaux)
réparties en:
  • Leçon : 10.5
  • Travaux Dirigés : 9
  • Travaux Pratiques : 1.5
  • Contrôle de connaissance : 3

36 heures de travail personnel estimé pour l’étudiant.

effectifs minimal / maximal:

10/

Diplôme(s) concerné(s)

Parcours de rattachement

Pour les étudiants du diplôme Echange international non diplomant

Théorie des probabilités, espérance conditionnelle, vecteurs gaussiens. Programmation en Python.

Pour les étudiants du diplôme Programme de mobilité des établissements français partenaires

Théorie des probabilités, espérance conditionnelle, vecteurs gaussiens. Programmation en Python.

Pour les étudiants du diplôme Diplôme d'ingénieur

Théorie des probabilités, espérance conditionnelle, vecteurs gaussiens. Programmation en Python.

Format des notes

Numérique sur 20

Littérale/grade européen

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
  • Crédit d'UE électives acquis : 2.5

La note obtenue rentre dans le calcul de votre GPA.

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 partagées acquis : 2.5

La note obtenue rentre dans le calcul de votre GPA.

L'UE est évaluée par les étudiants.

Pour les étudiants du diplôme Echange international non diplomant

L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 2.5 ECTS

La note obtenue rentre dans le calcul de votre GPA.

Programme détaillé

Cours, travaux dirigés et projet.

Mots clés

estimation paramétrique, information de Fisher, approche bayésienne, test d'hypothèse, maximum de vraisemblance, tests non paramétriques

Méthodes pédagogiques

Cours suivi de TD
Mini-projet
Veuillez patienter