Partie 1. Modélisation probabiliste discrète
- Variable aléatoire comme modélisation d’un potentiel non réalisé
- Loi d’une variable aléatoire et modélisation de la population
- Base de calcul des probabilités : univers, événements, probabilité, règles de calcul, probabilités conditionnelles et indépendance
- Lois usuelles : uniforme, Bernoulli, binomiale, Poisson, géométrique et hypergéométrique
- Espérance et variance
- Modélisation d’un jeu de données, introduction de l’erreur d’inférence par simulation Monte-Carlo de réalisations
Partie 2. Statistique descriptive bivariée
- Description simultanée de deux variables statistiques, tableaux de contingence, distribution jointe et marginale, distribution conditionnelle
- Étude de liaison entre de deux variables statistiques qualitatives et/ou quantitatives : représentations graphiques et mesures d’association
- Ajuster d’une droite de régression par moindres carrés et utilisation pour la prévision et l’extrapolation
- Exploration, présentation et visualisation du croisement de deux variables (qualitatives et/ou quantitatives) sous forme de tableaux et de graphiques croisés.
