Statistiques appliquées et traitements de données

Libellé du cours :	Statistiques appliquées et traitements de données
Département d'enseignement :	CMA / Chimie et Matière
Responsable d'enseignement :	Monsieur CHRISTOPHE DUJARDIN
Langue d'enseignement :
Ects potentiels :	0.0
Grille des résultats :	Grade de A à F
Code et libellé (hp) :	ENSCL_CI_M5_6_3 - DD - Fresque Clim.

Equipe pédagogique

Enseignants : Monsieur CHRISTOPHE DUJARDIN / Madame CHARLOTTE BECQUART / Monsieur JEREMIE BOUQUEREL / Monsieur LUDOVIC THUINET
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

L’objet de ce cours est de présenter des méthodes et lois statistiques permettant en pratique de mettre en place des procédures de contrôle de la qualité d’un lot, de déterminer la loi de probabilité d’une population de références à partir d’un échantillon, ou d’effectuer des tests de comparaison entre plusieurs populations. Ces méthodes nécessitent souvent de traiter des données numériquement. A cet effet, l’élève ingénieur doit maîtriser un certain nombre de logiciels et d’outils numériques pour pouvoir analyser des données ou résoudre numériquement un problème scientifique complexe. L’usage d’un langage de programmation permet à l’apprenant d'écrire des algorithmes numériques simples à l'aide de boucles et opérateurs conditionnels.

Objectifs pédagogiques

En statistiques : 1/ Utiliser le concept de probabilité associée à des variables aléatoires discrètes ou continues pour construire un certain nombre de modèles pouvant rendre compte de situations concrètes, où l’application de lois déterministes est impossible. Une attention particulière est accordée aux concepts d’espérance mathématique, de variance et aux opérations qui leurs sont attachées. 2/ Présenter la loi normale qui est le modèle probabiliste le plus utilisé pour décrire de très nombreux phénomènes observés dans la pratique. 3/ Introduire les notions de population et d’échantillon et mettre en œuvre des procédures de contrôle statistique pour déterminer la qualité d’un lot. 4/ Déterminer explicitement la loi de probabilité définissant une population de référence à partir d’un échantillon (inférence statistique). 5/ Effectuer des tests de comparaisons statistiques entre plusieurs populations. 6/ Définir la droite des moindres carrés et calculer ses propriétés statistiques. En traitement informatique des données : 7/ Connaître la syntaxe et le mode d’organisation des données associés à un tableur. 8/ Connaître la syntaxe et les briques élémentaires associés au langage de programmation Python. 9/ Savoir utiliser un tableur et un langage de programmation pour calculer et analyser des données et résoudre numériquement un problème.

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: 1 examen écrit final (durée : 1h30)

Ressources en ligne

1 polycopié de cours de statistiques comportant les énoncés des exercices traitées en travaux dirigés 1 polycopié d’utilisation d’Excel 1 polycopié de cours « Introduction à Python » Feuilles d’exercice à traiter sur Excel et Python

Pédagogie

En cours magistral sont abordées les notions de base de statistiques : probabilités, variables aléatoires discrètes, variables aléatoires continues, contrôle statistiques, test statistiques, estimation statistique, régression linéaire. Des séances de travaux dirigés sont dédiés à : 1/ des exercices d’application des méthodes statistiques vues en cours 2/ l’utilisation d’Excel : présentation générale du logiciel Excel (format des cellules, insertion de formule, copies incrémentées, références absolues/références relatives), tracé de graphiques sous Excel (réalisation d’un graphique, exploitation d’un graphique, barre d’incertitude, courbes de tendance, régression linéaire), utilisation de la barre d’outils formulaires et des outils ergonomiques, utilisation des outils Valeur cible et Solveur, enregistrement d’une série d’instructions à l’aide d’une macro, utilisation de tableaux croisés dynamiques 3/ l’utilisation du langage de programmation Python : assimilation de la syntaxe, manipulation des principaux types de variable, gestion des entrées/sorties, fonctionnement des boucles for, while et des opérateurs conditionnels (if-then-else-end)

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	13
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Intégration mathématique, notions de base en probabilités

Nombre maximum d'inscrits

Remarques

Au début du semestre 5, un test est organisé ayant pour but de constituer des groupes de niveau pour les travaux dirigés dédiés à Excel et Python. Ce cours est aussi l’occasion de distribuer aux étudiants un certain nombre de documents pas directement liés à ce cours mais utiles pendant toute leur scolarité : 1 polycopié d’utilisation de Word 1 polycopié d’utilisation de Powerpoint 1 document intitulé « Conseil de rédaction aux auteurs » leur donnant les consignes à respecter lors de la rédaction d’un rapport