Probabilités pour l'ingénieur
Ref. 04042
- Duration: 8 weeks
- Effort: 24 hours
- Pace: ~3 hours/week
- Enrollment
- From Sept. 22, 2022 to Jan. 30, 2023
- Course
- From Nov. 7, 2022 to Feb. 5, 2023
- Languages
- French
Description
Considérées aujourd'hui comme une branche à part entière des mathématiques, et ayant de nombreuses applications pratiques. Les probabilités ont une place de plus en plus importante dans la formation d’ingénieur et les cursus universitaires. Les probabilités constituent un outil prévisionnel et décisionnel majeur dans les différentes branches : industrie , commerce, médecine, finance, météorologie...
Les probabilités sont indispensables à la compréhension et l'utilisation des outils statistiques.
Ce mooc sera à la fois théorique par sa construction mais surtout appliqué, les notions théoriques seront illustrées par des exemples concrets dans divers domaines.
Il s’adresse à l'ensemble des élèves ingénieurs, aux étudiants en sciences, ainsi qu’à toute personne souhaitant se remettre à niveau sur les probabilités.
Format
Notre formation est composée de 17 chapitres répartis en 8 semaines d'enseignement. La quantité de travail estimée est de 2 à 3h/semaine.
Chaque semaine est composée de séquences vidéo d'enseignement, chacune accompagnée d'exercices corrigés et de Questions à Choix Multiples d'évaluation.
Vous disposerez de l'intégralité du support de cours tel qu'il est proposé à IMT Mines Alès. Vous y trouverrez des explications plus détaillées et des démonstrations complémentaires.
Un forum d'entraide permet de poser toute question ou remarque afin d'améliorer la compréhension du groupe.
Attention, si le temps d'étude annoncé est de l'ordre de 20h, vous disporez de plus d'exercices que nécessaire. Si vous travaillez sur l'intégralité des éléments, votre temps de travail sera plutôt de l'ordre de 40 à 50h.
Prerequisites
Notions d’analyse vues lors des classes préparatoires au concours d’entrée aux écoles. En particulier, nous utiliserons les notions de dérivation, intégration, séries numériques et séries entières.
Public visé
Les élèves en première année d'école d'ingénieurs.
Les étudiants issus de BTS et DUT qui accèdent à des formations d'ingénieur.
Les universitaire qui suivent un cursus scientifique.
Les personnes en fonction qui souhaitent parfaire leurs compétences dans le domaine des probabilités.
Les professionnels qui utilisent les statistiques dans leur métier.
Assessment and certification
Toutes les vidéos sont suivies de QCM d'assimilation et d'exercices corrigés.
Une attestation de suivi avec succès sera délivrée aux apprenants qui obtiennent un résultat supérieur à 50% de bonnes réponses.
Course plan
Semaine 1 : Espaces probabilisés.
Semaine 2 : Probabilités conditionnelles.
Semaine 3 : Variables aléatoires.
Semaine 4 : Structure et outils des variables aléatoires réelles.
Semaine 5 : Lois discrètes.
Semaine 6 : Lois continues.
Semaine 7 : Notions de convergence de variables aléatoires réelles.
Semaine 8 : Vecteurs aléatoires réels continus en dimension 2.
Other course runs
Archived
- From Jan. 11, 2021 to March 27, 2021
- From Sept. 6, 2021 to Dec. 11, 2021
Course team
Frédéric Delacroix
Categories
Directeur du département d'enseignements Fondamentaux Scientifiques à IMT Lille Douai
Gilles Michel
Categories
Professeur certifié de Mathématiques et titulaire d'un BAC+5 en Mathématiques Théoriques (+ une thèse en cours).
Organizations
Contributeurs
IMT Mines Alès
Ce MOOC a été réalisé au sein d'IMT Mines Alès par la cellule NTE de l'école. La production des vidéos a été faite par Chloé GILZINGER. Le pilotage du projet a été assuré par Aimé CAVAILLE et Jean-Paul VEUILLEZ.
IMT Lille Douai
Frédéric Delacroix, Enseignant à IMT Lille Douai, a participé aux contenus du MOOC.
License
License for the course content
Attribution-NonCommercial-ShareAlike
You are free to:
- Share — copy and redistribute the material in any medium or format
- Adapt — remix, transform, and build upon the material
Under the following terms:
- Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- NonCommercial — You may not use the material for commercial purposes.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
License for the content created by course participants
Attribution-NonCommercial-ShareAlike
You are free to:
- Share — copy and redistribute the material in any medium or format
- Adapt — remix, transform, and build upon the material
Under the following terms:
- Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- NonCommercial — You may not use the material for commercial purposes.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.