Note du 29 juin 2020
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
5 crédits
30.0 h + 15.0 h
Q2
Enseignants
Heuchenne Cédric;
Langue
d'enseignement
d'enseignement
Français
Préalables
Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Thèmes abordés
Partie 1 : Méthodes de base de l'analyse statistique.
Après une introduction au modèle statistique (modèle de population et modèle d'échantillonnage), on montre comment les distributions d'échantillonnage de statistiques sont à la base de l'inférence. Ces propriétés permettent de contrôler la précision d'estimateurs ponctuels de construire des intervalles de confiance et de contrôler les risques d'erreur dans une procédure de test d'hypothèses.
Partie 2 : Application à quelques problèmes types.
Les méthodes de base peuvent alors être adaptées à l'analyse de problèmes d'application utiles en économie et gestion : Analyse de la variance (comparaison de plusieurs moyennes) ; Modélisation de relation entre variables (modèles linéaires) ; Etudes de variables catégorielles y compris un test d'indépendance entre variables. On introduira aussi à travers quelques exemples simples la méthode générale d'estimation par maximum de vraisemblance qui est particulièrement utile dans des modèles plus complexes abordés dans les cours d'économétrie qui suivront. Nous considérons finalement le problème d'une mauvaise spécification du modèle et le cas d'une régression non-linéaire.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
1 | L'objectif de ce cours est d'introduire les raisonnements et les méthodes de base de l'analyse statistique, ainsi que ses applications à la résolution de problèmes statistiques simples rencontrés dans le domaine de l'économie et de la gestion. Ce cours vise aussi à enseigner la matière de base qui sera utilisée dans les cours de statistique et d'économétrie qui suivront dans le curriculum de l'étudiant. A l'issue du cours l'étudiant devra être capable de comprendre les mécanismes de base de l'inférence statistique et de résoudre pratiquement les problèmes standards d'estimation, de construction d'intervalles de confiance et de tests d'hypothèses sur des moyennes, variances et proportions. Il sera également capable de modéliser des relations entre variables par des modèles de régression linéaire simple, avec une introduction aux aspects multivariés. |
La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Contenu
Modèle statistique et distribution d'échantillonnage, Estimation ponctuelle, Estimation par intervalle, Tests d'hypothèses, Comparaison de moyennes, Modèle linéaire, y compris notation matricielle, Méthodes d'estimation y compris Maximum de vraisemblance, Propriétés d'estimateurs, Inférence dans la régression simple, Régression nonlinéaire Méthode : Le cours est donné sous forme : - d'exposés magistraux (sur base de vidéos préalablement visionnées par les étudiants, l'enseignant réintroduit et réinterprète les concepts avant d'engager le débat avec les étudiants qui répondent à des questions préparées -résolution autonome de problèmes-), - de séances d'exercices (l'enseignant y soumet des applications/problèmes aux étudiants et propose une démarche de résolution).
Méthodes d'enseignement
Voir introduction du cours LECGE1224 sur moodle.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Evaluation en première session : deux cas de figures
1) Si l'étudiant est interrogé pendant l'année (système d'interrogation aléatoire lors de chaque cours), il obtient une note d'évaluation continue représentant 25% de la note finale de première session, les 75% restants correspondant à l'examen écrit final programmé durant la première session d'examens.
2) Si l'étudiant n'est pas interrogé pendant les cours, 100% de sa note de première session correpondent à l'examen écrit final programmé durant la première session d'examens.
Evaluation en seconde session
100% de la note de seconde session correspondent à l'examen écrit final programmé durant la seconde session d'examens.
1) Si l'étudiant est interrogé pendant l'année (système d'interrogation aléatoire lors de chaque cours), il obtient une note d'évaluation continue représentant 25% de la note finale de première session, les 75% restants correspondant à l'examen écrit final programmé durant la première session d'examens.
2) Si l'étudiant n'est pas interrogé pendant les cours, 100% de sa note de première session correpondent à l'examen écrit final programmé durant la première session d'examens.
Evaluation en seconde session
100% de la note de seconde session correspondent à l'examen écrit final programmé durant la seconde session d'examens.
Autres infos
Pré-requis : LECGE1114 Statistique en économie et gestion I ou cours jugé équivalent.
Ressources
en ligne
en ligne
Cours LECGE1224 sur moodle.
Bibliographie
Mathematical Statistics with Applications, 7ème édition. Wackerly, Mendenhall, Scheaffer.
Faculté ou entité
en charge
en charge
ESPO
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Mineure d'accès au master en économie
Mineure en statistique, sciences actuarielles et science des données
Mineure en statistique et science des données