2.12.15 (706)

Enseignement scientifique & technique - APM_4TC02_TP : Statistics

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)

36 heures de travail personnel estimé pour l’étudiant.

effectifs minimal / maximal:

10/110

Diplôme(s) concerné(s)

UE de rattachement

Pour les étudiants du diplôme Diplôme d'ingénieur

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

Format des notes

Numérique sur 20

Pour les étudiants du diplôme Echange international non diplomant

Le rattrapage est autorisé (Note de rattrapage conservée)
  • le rattrapage est obligatoire si :
    Note initiale < 10

Le coefficient de l'UE est : 1

L'UE est évaluée par les étudiants.

Pour les étudiants du diplôme Diplôme d'ingénieur

Le rattrapage est autorisé (Note de rattrapage conservée)
  • le rattrapage est obligatoire si :
    Note initiale < 10

Le coefficient de l'UE est : 1

L'UE est évaluée par les étudiants.

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 / TD / TP
Veuillez patienter