Enseignants
Henrard Séverine; Speybroeck Niko (coordinateur(trice));
Langue
d'enseignement
d'enseignement
Français
Thèmes abordés
Partie 1 : Statistique descriptive. Ces méthodes permettent de condenser les données d'un échantillon en quelques caractéristiques utiles ou estimations. Les distributions de fréquences, les fonctions de densité et de répartition et les caractéristiques paramétriques et non paramétriques sont abordées dans des échantillons.
Partie 2 : Calcul des probabilités. Selon la procédure de sélection de l'échantillon, ces méthodes assurent le lien entre la population et son échantillon. Les objets abordés sont les règles de base du calcul des probabilités totales et conditionnelles, la quantification des événements en variables aléatoires et la distribution des probabilités associée ainsi que les caractéristiques opérationnelles (paramètres). En particulier, les quantifications issues de schémas expérimentaux qui génèrent les lois binomiale et normale sont approfondies et appliquées à la décision diagnostique.
Partie 3 : Introduction à l'inférence statistique. Pour confronter les observations avec une hypothèse émise sur un paramètre de population, les objets de base sont les estimateurs, leurs caractéristiques et leur application à l'inférence basée sur un intervalle de confiance, en plans simples.
Partie 2 : Calcul des probabilités. Selon la procédure de sélection de l'échantillon, ces méthodes assurent le lien entre la population et son échantillon. Les objets abordés sont les règles de base du calcul des probabilités totales et conditionnelles, la quantification des événements en variables aléatoires et la distribution des probabilités associée ainsi que les caractéristiques opérationnelles (paramètres). En particulier, les quantifications issues de schémas expérimentaux qui génèrent les lois binomiale et normale sont approfondies et appliquées à la décision diagnostique.
Partie 3 : Introduction à l'inférence statistique. Pour confronter les observations avec une hypothèse émise sur un paramètre de population, les objets de base sont les estimateurs, leurs caractéristiques et leur application à l'inférence basée sur un intervalle de confiance, en plans simples.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 | Organiser, résumer et interpréter les données par 1) des représentations graphiques et 2) des mesures de tendance centrale et de dispersion |
| 2 | Comprendre et appliquer les notions fondamentales des probabilités |
| 3 | Comprendre et appliquer les notions élémentaires de l'inférence statistique |
Contenu
Partie 1 : Calcul des probabilités. Selon la procédure de sélection de l'échantillon, ces méthodes assurent le lien entre la population et son échantillon. Les objets abordés sont les règles de base du calcul des probabilités totales et conditionnelles, la quantification des événements en variables aléatoires et la distribution des probabilités associée ainsi que les caractéristiques opérationnelles (paramètres). Les quantifications issues de schémas expérimentaux qui génèrent les lois binomiale et normale sont approfondies et appliquées.
Partie 2 : Statistique descriptive. Ces méthodes permettent de condenser les données d'un échantillon en quelques caractéristiques utiles ou estimations. Les distributions de fréquences, les fonctions de densité et de répartition et les caractéristiques paramétriques et non paramétriques sont abordées dans des échantillons.
Partie 3 : Introduction à l'inférence statistique. Pour confronter les observations avec une hypothèse émise sur un paramètre de population, les objets de base sont les estimateurs, leurs caractéristiques et leur application à l'inférence basée sur un intervalle de confiance, en plans simples.
Partie 4. Coordination avec WFSP2104.
Partie 2 : Statistique descriptive. Ces méthodes permettent de condenser les données d'un échantillon en quelques caractéristiques utiles ou estimations. Les distributions de fréquences, les fonctions de densité et de répartition et les caractéristiques paramétriques et non paramétriques sont abordées dans des échantillons.
Partie 3 : Introduction à l'inférence statistique. Pour confronter les observations avec une hypothèse émise sur un paramètre de population, les objets de base sont les estimateurs, leurs caractéristiques et leur application à l'inférence basée sur un intervalle de confiance, en plans simples.
Partie 4. Coordination avec WFSP2104.
Méthodes d'enseignement
Cours théoriques + des séances de travaux pratiques
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
L'examen consiste d'un examen écrit (théorie + exercices). L'évaluation comprend également un contrôle continu.
L'intelligence artificielle (IA) ne sera ni utilisée ni prise en compte dans le cadre de ce cours.
L'intelligence artificielle (IA) ne sera ni utilisée ni prise en compte dans le cadre de ce cours.
Autres infos
Support de cours
- Mis à disposition sur Moodle
Faculté ou entité
en charge
en charge
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master de spécialisation en médecine nucléaire
