Logiciels et programmation statistique de base

Langue
d'enseignement

Français

Préalables

Formation de base en probabilité et statistique : statistiques descriptives (dont mesures de localisation  mesures de dispersion, graphiques), distributions statistiques, inférence (principe du test d'hypothèse, hypothèse H0 et H1, statistique de test, p-valeur  ainsi que leur interprétation), régression linéaire simple et multiple, analyse de la variance à un critère
Capacité d'utiliser couramment un ordinateur personnel : manipulation de fichiers, connaissance (élémentaire) de l'utilisation de Windows, Word, Excel, Internet Explorer, ainsi que de la plate-forme Moodle.
Les étudiants ne sont pas tenus d'avoir des connaissances préalables de R ou Python ou d'autres langages de programmation. Le cours commencera par les bases et conduira les étudiants, tout au long du semestre, vers des activités de résolution de problèmes statistiques plus complexes en utilisant les deux langages de programmation.

Thèmes abordés

L'objectif du cours est d'initier les étudiants à la programmation et à l'algorithmique au travers de deux langages de programmation : R et Python. Ce cours propose une introduction à la programmation statistique avec les langages R et Python. Les thèmes abordés sont les suivants : Notions de programmation et d’algorithmique, programmation avec R et programmation en Python.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	A. Eu égard au référentiel AA du programme de master en statistique, orientation générale, cette activité contribue au développement et à l'acquisition des AA suivants:   de manière prioritaire : 1.3, 2.2, 2.5, 3.2, 3.3, 3.4, 4.1, 4.2, 4.4, 5.2, 5.3, 5.5 de manière secondaire : 2.3 Eu égard au référentiel AA du programme de master en statistique, orientation biostatistique, cette activité contribue au développement et à l'acquisition des AA suivants:   de manière prioritaire : 1.3, 2.2, 2.5, 3.2, 3.3, 3.4, 3.5, 4.1, 4.2, 5.2, 5.4, 5.6 de manière secondaire : 2.3 B. Au terme du cours, les étudiants auront acquis une vue critique des différentes classes de logiciels de statistique disponibles sur le marché et des connaissances en graphisme statistique. Ils seront aussi capables de réaliser des analyses statistiques de base sur ordinateur à l'aide de divers logiciels (SAS, R, Excel, SPSS, JMP) et de programmer des algorithmes et manipuler des fichiers de données complexes avec des logiciels plus avancés (SAS et R).

Contenu

• Notions de programmation et d’algorithmique
• Notions de debugging
• Notions de bases en programmation R : utilisation de RStudio, création de variables, les différents types d’objet (vector, matrice, factor, dataframe, list), importation de données, boucles, conditions, fonctions, scripts, répertoire de travail, réalisation de graphiques, statistiques avec R, utilisation et installation de packages
• Notions de bases en programmation Python :  les différents outils et environnements de travail pour programmer en Python, création de variables, types d’objets (nombres entiers et réels, booléens, listes, dictionnaires, tuples), conditions, boucles, fonctions et packages, lecture et sauvegarde de fichiers, NumPy, dictionnaires, Pandas, visualisation de données avec seaborn et matplotlib.

Méthodes d'enseignement

Le cours est composé d'exposés magistraux étoffés de démonstrations de programmation statistique en R et Python et de séances d'exercices qui visent à donner une autonomie maximum à l'étudiant : chaque étudiant travaille à son rythme sur base de documents évolutifs.

Modes d'évaluation
des acquis des étudiants

Dans le cadre de ce cours, les étudiant·es sont évalué·es de deux manières :
 

• Activité A : l’évaluation continue certificative consistant en 2 travaux obligatoires à remettre en cours de quadrimestre selon un calendrier fixé en début de quadrimestre (10% de la note finale)
• Activité B : un examen écrit sur ordinateur en session (90% de la note finale)

La note finale est la moyenne pondérée des notes A et B. Dans la note finale, la partie A vaut pour 2/20 et la partie B vaut pour 18/20.
Détails concernant l’activité A :
Les deux travaux OBLIGATOIRES sont des projets de programmation en R et Python. Attention, les travaux obligatoires sont à réaliser pendant le premier quadrimestre suivant un calendrier qui vous sera communiqué au début de cours. En cas de non réalisation d’au moins un des travaux ou de remise tardive, une note d'absence "A" sera la note finale du cours.
Détails concernant l’activité B :
L'examen écrit, à livre ouvert et sur ordinateur
La note finale de l’examen écrit sera constituée de 2 parties intégrées. La réussite de ces deux parties est indispensable pour démontrer les compétences et connaissances définies dans les acquis d’apprentissage de l’unité d’enseignement. La réussite de l’examen écrit ne peut être obtenue que moyennant la réussite à chacune des parties d’évaluation.

Ressources
en ligne

Via l'espace Moodle, mise à disposition de documents divers (vidéos, transparents du cours magistral, ...)

Bibliographie

Livre open-source : Learning with Python 3 écrit par Peter Wentworth, Jeffrey Elkner, Allen B. Downey, et Chris Meyers disponible sur la page https://openbookproject.net/thinkcs/python/english3e/

Support de cours

• Transparents du cours et exercices disponibles sur Moodle. Accès à la documentation SAS sur le site de SAS.

Faculté ou entité
en charge

> LSBA