École Supérieure Privée d’Ingénierie et de Technologies

Fiche du Module :
Méthodes Statistiques pour l’Analyse des Données I

Niveau : 4ème année Année universitaire : 2019-2020

Code Cours TD/TP ECTS HNT

12 H 9H 2

Unité pédagogique Mathématiques

Unité d’enseignement Fondamentaux en probabilités et statistique
Pré-requis Statistiques Descriptives, Techniques d’estimations pour
l’ingénieur, Mathématiques : Algèbre linéaire

I Mode d’évaluation
La moyenne de ce module est calculée comme suit :

Moyenne = Note du contrôle continu * 30% + Note de l’Examen final * 70%.

La note du contrôle continu est composée de la somme des notes des deux TP (non annoncés à
l’avance) et une note d’assiduité.

II Acquis d’apprentissage
À l’issu de ce module l’étudiant sera capable de :

— Formuler une hypothèse de recherche et tester un risque.

— Choisir le test statistique approprié.
— Appliquer la procédure algorithmique de résolution à l’aide du logiciel R en appuyant sur
des données statistiques réelles.
— Visualiser, interpréter et comparer les résultats obtenus.
— Tirer des conclusions sur une population à partir d’un échantillon d’observations.

III Contenu détaillé

Chapitre 0 : Rappels sur les méthodes d’estimations et tests d’hypothèses (1.5h)

1. La théorie d’échantillonnage.

1
 2. Les méthodes d’estimations.
3. Les tests d’hypothèses.
TP 0 : Initiation au logiciel R et mise en oeuvre des méthodes d’estimations et tests
d’hypothèses (3h)

1. Introduction et installation du logiciel R.

2. Opérations élémentaires sur les variables.
3. La mise en oeuvre des méthodes d’estimations et les tests d’hypothèses.
4. Interpréter des résultats obtenus.
Chapitre 1 : Tests paramétriques : cas de deux échantillons (3h)

1. Introduction : Motivation & exemple introductif.

2. Test de Student de comparaison des moyennes.
3. Test de Fisher de comparaison des variances.
4. Test de comparaison de deux proportions.
TP 1 : Implémentation des tests paramétriques (1.5h)

1. La mise en oeuvre des tests de comparaison entre deux populations indépendantes :

— Espérances.
— Variances.
— Proportions.
2. Application des tests pour résoudre un problème réel.
3. Interprétation des résultats obtenus et prise de décision.
Chapitre 2 : Régression linéaire simple (3h)

1. Introduction : Motivation & exemple introductif.

2. Modèle de régression linéaire.
3. Conditions d’application.
4. Estimation des paramètres : la méthode des moindres carrés.
5. Propriétés des estimateurs.
TP 2 : Régression linéaire simple (1.5h)

1. La mise en oeuvre des méthodes d’estimation du modèle de régression simple.

2. Evaluation des coefficients : test de significativité des paramètres.
3. Interprétation graphique des résultats obtenus.
4. Interprétation de la qualité d’ajustement du modèle.
5. Application réelle.

2
Chapitre 3 : Régression linéaire multiple (1.5h)

1. Introduction : Motivation & exemple introductif.

2. Modèle de régression linéaire multiple.
3. Conditions d’application.
4. Estimation des paramètres : la méthode des moindres carrés.
5. Propriétés des estimateurs.
TP 3 : Régression linéaire multiple (1.5h)

1. La mise en oeuvre des méthodes d’estimation du modèle de régression vues en cours.

2. Evaluation des coefficients : test de significativité des paramètres.
3. Interprétation graphique des résultats obtenus.
4. Interprétation de la qualité d’ajustement du modèle.
5. Application réelle.
Chapitre 4 : Analyse de la variance (3h)

1. Principe général & exemple introductif.

2. Modèle général .
3. Estimation des paramètres.
4. Décomposition de la variance et test d’hypothèse.
TP 4 : Analyse de la variance (1.5h)

1. Représentation graphique des données en utilisant les boı̂tes à moustaches.

2. Interprétation graphique des résultats obtenus.
3. Ajustement de modèle.
4. Validation du modèle :
— Test de normalité des écarts résiduels.
— Test d’homogénéité des variances.
5. La mise en oeuvre du test ANOVA.
6. Etude de la robustesse de l’ANOVA : Test de Kruskal Wallis.
7. Application réelle.

Textbook
Références bibliographiques Francis, B. (2016). Probabilités et statistique inférentielle, Book.
Christophe, A., and Julien, C. (2014). Bases statistiques et tests
d’hypothèses avec R, Université d’Évry val d’Essonne.