Enseignants
Langue
d'enseignement
d'enseignement
Français
Thèmes abordés
En tant que science d'analyse de données quantitatives, la statistique vise notamment à décrire des données de manière synthétique en vue de les analyser. Le cours explique les notions fondamentales de la statistique : population, échantillon, individu, variables, distributions de fréquences, etc. Le cours expose les variables qualitatives et quantitatives. A l'analyse statistique univariée succèdent les explications sur les analyses mettant en relation deux variables. Les représentations graphiques sont expliquées y compris en termes d'impact sur la visualisation des données. La question de l'utilisation d'échantillons pour connaître les caractéristiques d'une population (inférence) est également traitée. Le cours permet aux étudiants d'aborder les phénomènes politiques et sociaux à partir de questions fondamentales en statistique : quelles questions sur lesdits phénomènes politiques et sociaux peuvent être formulées en termes quantitatifs ? Quels sont les outils utiles pour répondre aux questions posées ? Les conditions de validité sont-elles respectées ? Comment utiliser ces outils ? Quelles sont les réponses aux questions posées ? L'entièreté du cours présente des applications pertinentes en sciences politiques et sociales. Il s'appuie sur l'actualité pour illustrer son contenu, par exemple sur des sondages d'opinion à l'occasion d'élections.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 |
|
Contenu
Le cours suivra dans les grandes lignes le contenu de l'ouvrage de référence "Notions de statistique", 3ème édition, par Christiane Simard. Le cours vise à familiariser les étudiants avec les bases de la statistique ainsi que le langage de programmation R.
Chapitre 1 - la statistique descriptive
Incluant terminologie et un peu d'histoire, représentations graphiques, moyenne, médiane, écart-type, quantiles
Chapitre 2 - probabilités
Ce chapitre sera survolé afin de donner quelques notions de base. L'analyse combinatoire ne sera PAS vue.
Chapitre 3 - les grandes lois de probabilité
Nous verrons essentiellement la loi normale et la loi binomiale. Nous apprendrons les concepts de base concernant les variables aléatoires.
Chapitre 4 : la distribution d'échantillonnage et l'estimation
Historique des sondages, notion d'échantillon, estimation d'une moyenne et d'une proportion
Chapitre 5 - les tests paramétriques
Nous verrons comment réaliser un test statistique sur une moyenne et une proportion.
Chapitre 6 - le test du khi-deux
Nous verrons au minimum le test d'indépendance dit du khi-deux
Chapitre 7 - corrélation et régression
Les bases de la régression linéaire seront vues
Tous les chapitres seront illustrés de codes en langage R. En outre, une introduction détaillée au langage de programmation R et au logiciel R Studio sera proposée.
Chapitre 1 - la statistique descriptive
Incluant terminologie et un peu d'histoire, représentations graphiques, moyenne, médiane, écart-type, quantiles
Chapitre 2 - probabilités
Ce chapitre sera survolé afin de donner quelques notions de base. L'analyse combinatoire ne sera PAS vue.
Chapitre 3 - les grandes lois de probabilité
Nous verrons essentiellement la loi normale et la loi binomiale. Nous apprendrons les concepts de base concernant les variables aléatoires.
Chapitre 4 : la distribution d'échantillonnage et l'estimation
Historique des sondages, notion d'échantillon, estimation d'une moyenne et d'une proportion
Chapitre 5 - les tests paramétriques
Nous verrons comment réaliser un test statistique sur une moyenne et une proportion.
Chapitre 6 - le test du khi-deux
Nous verrons au minimum le test d'indépendance dit du khi-deux
Chapitre 7 - corrélation et régression
Les bases de la régression linéaire seront vues
Tous les chapitres seront illustrés de codes en langage R. En outre, une introduction détaillée au langage de programmation R et au logiciel R Studio sera proposée.
Méthodes d'enseignement
Le cours magistral est une initiation systématique aux fondements méthodologiques de la statistique descriptive et aux fondements théoriques des probabilités ; il est assorti d'exemples destinés à illustrer cette théorie. Un effort particulier est fait tout au long du cours magistral et des travaux pratiques pour impliquer les étudiants dans l'élaboration et la découverte des concepts nouveaux et de leurs applications.
Les travaux pratiques reposent sur les très nombreux exercices tirés de l'ouvrage de référence pour ce cours.
Une attitude active et participative au cours magistral et aux travaux pratiques ainsi que la participation aux éventuelles séances questions/réponses sont essentiels ; les chances de réussite en dépendent. Un travail personnel régulier (notamment, la recherche des solutions des exercices proposés) doit impérativement être fourni par l'étudiant, dès la première semaine de cours ; il est absolument essentiel que les étudiants s’inscrivent depuis le début du quadrimestre dans le rythme du cours en participant, chaque semaine, au cours magistral et aux travaux pratiques.
Chaque étudiant doit donc y consacrer un temps d'étude personnel suffisant pour s'assurer qu'il comprend et s’approprie la matière, en s’aidant du cours magistral, de l'ouvrage de référence et des dispositifs pédagogiques relatifs aux travaux pratiques. En fin de quadrimestre, la période qui précède l'examen ne doit pas être une période de découverte mais bien une période de révision d'une matière préalablement comprise et acquise.
Le travail personnel attendu n’est en aucune cas une mémorisation par cœur. Ce qui sera évalué à l'examen n'est pas la capacité restitutive de l'étudiant mais bien sa compréhension en profondeur des concepts et des mécanismes explicatifs et sa capacité à les utiliser à bon escient.
Les TP auront pour objectifs :
- d’apprendre à utiliser R Studio
- d'apprendre concrètement à faire des calculs statistiques sur ordinateur.
Les travaux pratiques reposent sur les très nombreux exercices tirés de l'ouvrage de référence pour ce cours.
Une attitude active et participative au cours magistral et aux travaux pratiques ainsi que la participation aux éventuelles séances questions/réponses sont essentiels ; les chances de réussite en dépendent. Un travail personnel régulier (notamment, la recherche des solutions des exercices proposés) doit impérativement être fourni par l'étudiant, dès la première semaine de cours ; il est absolument essentiel que les étudiants s’inscrivent depuis le début du quadrimestre dans le rythme du cours en participant, chaque semaine, au cours magistral et aux travaux pratiques.
Chaque étudiant doit donc y consacrer un temps d'étude personnel suffisant pour s'assurer qu'il comprend et s’approprie la matière, en s’aidant du cours magistral, de l'ouvrage de référence et des dispositifs pédagogiques relatifs aux travaux pratiques. En fin de quadrimestre, la période qui précède l'examen ne doit pas être une période de découverte mais bien une période de révision d'une matière préalablement comprise et acquise.
Le travail personnel attendu n’est en aucune cas une mémorisation par cœur. Ce qui sera évalué à l'examen n'est pas la capacité restitutive de l'étudiant mais bien sa compréhension en profondeur des concepts et des mécanismes explicatifs et sa capacité à les utiliser à bon escient.
Les TP auront pour objectifs :
- d’apprendre à utiliser R Studio
- d'apprendre concrètement à faire des calculs statistiques sur ordinateur.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
La présence et la résolution de petits problèmes en séances de travaux pratiques comptera pour 10% des points en première session.
La présence et la résolution de petits problèmes en cours magistral comptera pour 10% des points en première session.
Le cours se terminera par un examen sur ordinateur lors de la session de mai-juin qui comptera pour 80% des points. Ceci se fera à livres fermés et sans accès à Internet. L'usage d'intelligence artificielle est en particulier ici strictement interdit.
En seconde session, la note de TP, bonne ou mauvaise, sera ignorée. Les étudiants seront évalués à 100% via leur examen sur ordinateur, toujours à livres fermés. L'usage d'intelligence artificielle y sera strictement interdit.
Dispositions particulières : en cas d'impossibilité d'organiser l'évaluation principale de mai-juin ou de seconde session sur ordinateur pour des raisons pratiques, celle-ci se fera sans ordinateur, c'est à dire sur papier.
La présence et la résolution de petits problèmes en cours magistral comptera pour 10% des points en première session.
Le cours se terminera par un examen sur ordinateur lors de la session de mai-juin qui comptera pour 80% des points. Ceci se fera à livres fermés et sans accès à Internet. L'usage d'intelligence artificielle est en particulier ici strictement interdit.
En seconde session, la note de TP, bonne ou mauvaise, sera ignorée. Les étudiants seront évalués à 100% via leur examen sur ordinateur, toujours à livres fermés. L'usage d'intelligence artificielle y sera strictement interdit.
Dispositions particulières : en cas d'impossibilité d'organiser l'évaluation principale de mai-juin ou de seconde session sur ordinateur pour des raisons pratiques, celle-ci se fera sans ordinateur, c'est à dire sur papier.
Autres infos
Le cours est adapté à des étudiants en sciences politiques et sociales qui ont besoin de comprendre et d'utiliser des outils statistiques dans leurs travaux. Il veille à mobiliser des illustrations en rapport avec le cursus des étudiants et à ne pas formaliser plus que nécessaire pour le public étudiant concerné.
L’utilisation des intelligences artificielles lors des épreuves d’évaluation est strictement interdite.
L’utilisation des intelligences artificielles lors des épreuves d’évaluation est strictement interdite.
Ressources
en ligne
en ligne
Éléments pertinents pour le cours disponibles sur Moodle.
Bibliographie
Christiane Simard, Notions de statistique, 3ème édition.
Support de cours
- Christiane Simard, Notions de statistique, 3ème édition.
- Des notes de cours disponibles sur Moodle
Faculté ou entité
en charge
en charge
