Programme de formation

• Objectifs

  A la fin du cours, l'étudiant-e sait:

  • Comprendre et construire une distribution empirique de données.
  • Calculer les principales caractéristiques d'une distribution.
  • Calculer une probabilité d'occurrence d'un événement.
  • Choisir judicieusement la loi statistique fondamentale (binomiale, géométrique, de Poisson, exponentielle, hypergéométrique, normale) qui modélise une épreuve aléatoire donnée.
  • Estimer les paramètres d'un modèle statistique.
  • Comprendre le rôle de la statistique inférentielle.
• Contenu

  • Statistique descriptive: échantillon, mesures de tendance centrale et de dispersion (moyenne et médiane, variance et écart-type,...), graphes de données (histogrammes, box-plots,...)
  • Probabilités: concept de probabilité, définition, algèbre des événements, calcul des probabilités, probabilité conditionnelle et théorème de Bayes
  • Variables aléatoires: définition, notion de variables discrètes et continues, lois de probabilité et fonction de densité, fonctions de répartition, espérance mathématique, variance, principales lois (Bernoulli, binomiale, géométrique, de Poisson, uniforme, exponentielle, hypergéométrique, normale), théorème central limite
  • Statistique: estimation de paramètres sous forme ponctuelle (moyenne µ, variance sigma^2, proportion p) et par intervalles de confiance (moyenne µ, proportion p)
  • Régression linéaire via la méthode des moindres carrés et coefficient de corrélation

Forme d'enseignement et volume de travail

Spécification du cours

Modalités d'évaluation

• Contrôle continu: travaux écrits

Mode de calcul de la note de cours

Note du contrôle continu = moyenne pondérée des notes des travaux écrits. Note du cours = note contrôle continu.

Enseignant(s) et/ou coordinateur(s)

Corinne Hager Jörin, Christophe Hebeisen, Rudolf Riedi