Statistique et MSP

1. Introduction au raisonnement statistique. 1.1. Variabilité de processus 1.2. Statistique descriptive : représentations d'une série statistique à l'aide de tableaux et de diagrammes 1.3. Résumés numériques 1.4. Etude de cas   2. Théorie des probabilités  2.1. Expérience aléatoire, événement, probabilité d'un événement, propriétés d'une probabilité 2.2. Probabilité conditionnelle, indépendance 2.3. Formule de Bayes   3. Variables aléatoires 3.1. Fonction de répartition, densité de probabilité 3.2. Espérance mathématique, variance, moments 3.3. Lois discrètes usuelles : Bernoulli, binomiale, Poisson, géométrique, hypergéométrique 3.4. Lois continues usuelles : normale, log-normale, exponentielle, Weibull   4. Statistiques inférentielles 4.1. Données complètes et incomplètes 4.2. Distribution des caractéristiques usuelles d'un échantillon 4.3. Estimations ponctuelle et par intervalle : moyenne, variance, proportion 4.4. Ajustement de lois : graphiques de probabilité 4.5. Tests d'ajustement : tests spécifiques (normalité), tests généraux (chi-deux, Kolmogorov) 4.6. Tests paramétriques : moyenne, variance, proportion 4.7. Comparaison de deux échantillons : tests paramétriques et non-paramétriques 4.8. Etude de cas   5. Corrélation, régression 5.1. Liens entre variables : numériques, catégorielles 5.2. Analyse de la régression simple et multiple 5.3. Etude de cas   Travaux pratiques : TP1 : Applications portant sur les analyses exploratoires, les estimations et les tests d'ajustement. TP2 : Tests paramétriques et non paramétriques, régression simple et multiple.