Statistique pour l'ingénieur
Ref. 04008
- Duration: 7 weeks
- Effort: 35 hours
- Pace: ~5 hours/week
Suivez ce cours qui initie aux raisonnements et aux méthodes usuelles de la statistique inférentielle utiles aux ingénieurs.
No open course runs
What you will learn
At the end of this course, you will be able to:
- Initier les apprenants aux raisonnements et aux méthodes statistiques usuelles.
- Utiliser les méthodes et outils de la statistique descriptive et inférentielle utiles à l’ingénieur
Description
Les méthodes statistiques sont largement répandues dans presque tous les secteurs de l’activité humaine : sciences et techniques, économie, sciences humaines et sociales. Elles font partie des connaissances de base de l’ingénieur.
Parmi les innombrables applications dans le domaine industriel, on peut citer le contrôle de qualité, la fiabilité, l’analyse des résultats de mesure, la prévision et la planification.
Format
La durée du cours est de 7 semaines dont une semaine 0 consacrée à la statistique descriptive. Pour les apprenants, 3 à 5 heures de travail personnel seront exigées chaque semaine. Le cours est structuré selon 5 thèmes. Ce MOOC est joué une fois par an.
Les contenus de formation seront proposés sous différentes formes :
‣ des vidéos (environ 3 à 4 vidéos de 10 mn par semaine)
‣ des supports de cours et d’exercices
‣ des activités pédagogiques variées seront proposées notamment en TD : quiz, exercices et mini-jeu sérieux
‣ chaque partie comprendra des applications issues du domaine industriel ou du monde de l’entreprise.
Prerequisites
L’enseignement dispensé sera de niveau L3. Le public visé comprend :
‣ les étudiants des écoles d’ingénieurs ou des universités ayant validé un niveau L2,
‣ les étudiants suivant une formation d’ingénieurs par la voie de l’alternance,
‣ et plus généralement les personnes engagées dans un cursus de formation ou de remise à niveau (par exemple : salariés, ou demandeurs d’emploi).
Les prérequis sont les notions de probabilités et de mathématiques enseignées au niveau Bac +2 (DUT, BTS, L2, CPGE).
En semaine 0, vous aurez la possibilité de vous tester de manière à situer votre niveau dans les prérequis. Ce test ne rentrera pas dans les critères d’évaluation pour l’obtention de l’attestation de suivi avec succès.
Assessment and certification
Evaluation chaque semaine par des quiz.
Une attestation de suivi avec succès est délivrée par FUN aux apprenants réussissant à obtenir une note supérieure à 70 % aux quiz d’évaluation.
Course plan
- Semaine 0 : Statistique descriptive
- Semaine 1 : Probabilités
- Semaine 2 : Echantillonnage et estimation (partie 1)
- Semaine 3 : Echantillonnage et estimation (partie 2)
- Semaine 4 : Tests usuels et analyse de variance (partie 1)
- Semaine 5 : Tests usuels et analyse de variance (partie 2)
- Semaine 6 : Régression linéaire simple
Course runs
Archived
- From Feb. 23, 2016 to April 13, 2016
- From May 14, 2018 to July 8, 2018
- From May 6, 2019 to July 6, 2019
- From May 4, 2020 to July 14, 2020
- From May 4, 2020 to July 14, 2020
- From May 10, 2021 to June 28, 2021
- From May 16, 2022 to July 4, 2022
Course team
Anca Badea
Categories
Anca Badea est enseignant-chercheur en mathématiques appliquées à Mines Saint-Etienne.
Frédéric Delacroix
Categories
Frédéric Delacroix est directeur du département d'enseignements Fondamentaux Scientifiques à IMT Nord Europe. Il enseigne entre autres les probabilités et la statistique.
Christelle Garnier
Categories
Christelle Garnier est maître de conférences à IMT Nord Europe où elle enseigne principalement les probabilités, le traitement du signal et les communications mobiles.
Michel Lecomte
Categories
Michel Lecomte est professeur de mathématiques à IMT Nord Europe à la retraite où il enseignait l'analyse, les probabilités et la statistique en formation initiale et en formation continue.
Françoise Seyte
Categories
Françoise Seyte est Maître de Conférences HDR à l’Université de Montpellier (LAMETA) et responsable de la Mention Finance.
François-Xavier Socheleau
Categories
François-Xavier Socheleau enseigne les mathématiques et le traitement du signal à IMT Atlantique depuis 2014.
Thierry Verdel
Categories
Thierry Verdel est ancien professeur à Mines Nancy où il enseigne principalement la statistique et la gestion des risques naturels et industriels.
Rémi Schwartz
Categories
Rémi Schwartz est professeur de mathématiques à IMT Nord Europe où il enseigne l'analyse, l'algèbre, les probabilités et la statistique
Organizations
Soutiens au projet
Partenaires
Ce MOOC est réalisé avec le soutien de : l’Institut Mines-Télécom, l’Université Numérique ThématiqueUNISCIEL
Équipe projet
IMT Nord Europe, Pôle Ingénierie et Ressources Pédagogiques : Jean-Loup Cordonnier, Carole Portillo, Mathieu Vermeulen, Gaëlle Guigon, Frédéric Sion, Isabelle Morelle.
Ce cours vous est proposé par une équipe d'enseignants provenant d'un ensemble d'établissements.
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.