Le cours est organisé en trois parties et commence avec la théorie des ensembles la plus élémentaire, de façon à ce qu’il n’y ait pas de pré-requis majeur.

Bien que la théorie des probabilités soit au cœur de ce cours, l’accent est mis sur leur utilisation pratique, permettant aux étudiants d'appliquer rapidement les notions théoriques qu’ils vont étudier.

Un accent particulier est mis sur l’utilisation de diverses sources empiriques, afin d’encourager les étudiants à appliquer les notions apprises durant le semestre à des domaines concrets et variés.

À la fin de cette UE, vous serez capable de : 
    • Comprendre les notions de probabilités, y compris les probabilités conditionnelles et la règle de Bayes, et les appliquer.

    • Modéliser les phénomènes discrets, tels que le processus de Bernoulli, la loi binomiale, la loi de Poisson, la loi géométrique et la convergence des lois, pour traiter des questions empiriques pertinentes (espérance, variance, probabilité, probabilité cumulée).

    • Modéliser les phénomènes continus, en utilisant des concepts tels que la fonction de densité, le centrage et la réduction, et le théorème central limite, pour traiter des questions empiriques pertinentes (espérance, variance, fonction de répartition, lecture de tables statistiques, intervalle de confiance).

Session 1 : CC

Session 2 : écrit d'1 h

Bibliographie (partie stats) :

Dalgaard Peter, 2008. Introductory Statistics with R - Second Edition. Springer.

Maumy-Bertrand Myriam, Frédéric Bertrand, 2018. Initiation à la statistique avec R - 3e édition.
Dunod.

Verzani John, 2014. Using R for Introductory Statistics - Second Edition. CRC Press.