v2.11.0 (6082)

Enseignement spécifique des masters - MEC_52619_EP : Introduction aux statistiques et à l'analyse des données

Descriptif

e cours introduit les idées fondamentales de la modélisation statistique et de l'analyse des données. Il a deux objectifs complémentaires : aider les étudiants à comprendre les mathématiques qui sous-tendent ces méthodes statistiques de base, et leur donner les moyens d'utiliser ces outils de manière appropriée pour l'analyse pratique des données. Le cours couvre des concepts clés tels que les probabilités, les statistiques descriptives, l'estimation et les tests d'hypothèse. Il explore également certaines méthodes avancées d'exploration de données. Toutes ces notions seront mises en pratique en utilisant Python avec des exemples du monde réel, en commençant par une introduction rapide au langage. Aucune expérience préalable de Python n'est requise. Les étudiants doivent apporter leur ordinateur portable personnel en classe pour les exercices pratiques. Le module commencera par un petit test pour évaluer les connaissances des étudiants afin d'adapter le contenu du cours.



 

 

Objectifs pédagogiques

 

  • Réaliser une analyse descriptive en utilisant des méthodes adaptées aux données.
  • Reconnaître si une question expérimentale concerne l'estimation ou les tests.
  • Comprendre et mémoriser les bases de l'estimation et des tests dans des modèles statistiques simples.
  • Utiliser R et Python pour effectuer des estimations et des tests, et interpréter les résultats.

 

32 heures en présentiel

Diplôme(s) concerné(s)

Parcours de rattachement

Format des notes

Numérique sur 20

Pour les étudiants du diplôme M1 DS4H - in Digital Skills for Health Transformation

Le rattrapage est autorisé (Note de rattrapage conservée)
  • le rattrapage est obligatoire si :
    Note initiale < 7
  • le rattrapage peut être demandé par l'étudiant si :
    7 ≤ note initiale < 10
L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 3 ECTS

Programme détaillé

 

  • Statistiques Descriptives
  • Rappels de Probabilités
  • Statistiques Inférentielles (Estimation, Intervalles de Confiance, Tests)
  • Outils Avancés pour l'Analyse Exploratoire des Données (Analyse en Composantes Principales, Algorithme K-means)

 

Méthodes pédagogiques

Cours magistraux et travaux pratiques
Veuillez patienter