THIBAUD DEGUILHEM
  • Research
  • Teaching
    • CC (ED 624)
    • ASA-R (M1)
    • AMA-R (M1)
    • ECON (L3)
  • DATALAB
  • Gallery
  • Research
  • Teaching
    • CC (ED 624)
    • ASA-R (M1)
    • AMA-R (M1)
    • ECON (L3)
  • DATALAB
  • Gallery
Search
 Tests Statistiques
​
[TSTAT]
Picture

​Page du cours de "Tests Statistiques" [EC15Y050]

​Vous retrouvez toutes les informations en ligne (news, exercices, calendrier, documents...) sur cette page dédiée au cours.
Présentation et objectifs pédagogiques

Destiné aux étudiant-e-s de troisième année de licence en économie (SES), cet enseignement offre une introduction à la statistique inférentielle pour les sciences sociales à travers la présentation et l'application des estimations et des tests d'hypothèses. Ce cours propose aux étudiant-e-s de développer trois niveaux distincts de compétences : (i.) maîtriser les principes de l'inférence statistique : estimations et tests, (ii.) appliquer les étapes fondamentales à la construction d'un intervalle de confiance ou d'un test, ( iii.) savoir identifier le bon outil en fonction du problème inférentiel, interpréter des résultats et apporter une réponse quantitative à des questions du même ordre en sciences sociales.​
​ ​
Prérequis : Avoir suivi les cours de Mathématiques en L1-L2, de 'Probabilités' en L2 est fortement recommandé pour cet enseignement.
​
​
Organisation et déroulement

Après un rappel de statistiques descriptives et de probabilités (cf. L1-L2), ce cours d'inférence statistique se présente en trois parties : (i.) estimations et intervalles de confiance ou de compatibilité, (ii.) construction d'un test et évaluation de la conformité ou de l'homogénéité, (iii.) tests d'association et d'adéquation à une loi. Chaque séance de cours s'appuie sur une lecture obligatoire issue de l'ouvrage (Agresti, 2017) et des applications seront proposées. La lecture des chapitres conseillés dans cet ouvrage support est essentielle en complémentarité du cours. 
​
  • Chaque séance de cours s'appuie sur une lecture fortement conseillée issue de l'ouvrage Agresti (2017) et des applications corrigées en CM-TD. Les lectures conseillées sont essentielles en complémentarité du cours 
  • Afin de réaliser les fiches à rendre (dossier fourni à la première séance), les étudiant-e-s bénéficieront tout au long du semestre de la mise en place d'une communauté ("TSTAT" sur le forum DATALAB) dédiée aux questions de cours et d'application : https://helpstudents.tribe.so/group/tstat 
  • Les étudiant-e-s peuvent enfin rencontrer l'enseignant sur rendez-vous durant les heures de permanence (vendredi 9h-10h30, contact par mail ou en fin de séance)
​
Modalités d'évaluation
​​
​Les étudiant-e-s sont évalué-e-s individuellement en 50% CC et 50% CT

  • Assiduité en CM-TD et qualité des rendus : 10%

  • Rendu des deux fiches d'exercices réalisées pour les séances de CM-TD ​: 40%
    • ​Les étudiant-e-s devront fournir les réponses aux différentes questions posées avant la date et l'heure limite puis
      déposer un unique document au format pdf via les formulaires en ligne (liens ci-dessous)

  • Examen terminal (CT) : 50% - organisé le 13-01
    • ​Épreuve individuelle en temps limité sur l'ensemble du programme, calculatrice autorisée, documents
      interdits
​
Syllabus

Toutes les informations utiles concernant le cours se trouvent dans le syllabus
​
  • Objectifs pédagogiques
  • Description générale du cours
  • Plan avec les lectures obligatoires en préparation du cours
  • Modalités d'évaluation
  • Contrat pédagogique​
  • Références bibliographiques
​
    [LINK]
teststat_syllabus_21-22.pdf
File Size: 854 kb
File Type: pdf
Download File

Concepts statistiques clés du cours

Un "summary" des concepts clés que nous utiliserons tout au long de ce cours vous est proposé en suivant le lien ci-dessous. Cette plaquette de synthèse vous sera également distribuée à la fin du cours (le 9-12).

[SUMMARY]
Supports de cours et ressources


SÉANCE 1 : INTRODUCTION


  1. Qu'est-ce que l'inférence statistique ?
  2. En amont de l'inférence : la question de l'échantillonnage
  3. Rappels élémentaires de statistiques
  4. Fonctionnement, objectifs et contrat pédagogique

Lecture conseillée en préparation de la séance
Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition.
[Chapitre 1] [Chapitre 2]

​






​​​
Support de cours [LINK]


SÉANCE 2 : RAPPELS DE L1 ET DE L2
​
  1. Rappels de statistiques descriptives
  2. Rappels de probabilités
  3. Convergence en loi et en probabilités (propriétés)

Lecture conseillée en préparation de la séance          
​Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition.
[Chapitre 3] [Chapitre 4]


​​Support de cours [LINK]​

​​Compléments [LINK]


SÉANCES 3 & 4 : ESTIMATEUR ET ESTIMATIONS PAR IC
​
  1. Estimateurs : caractéristiques et conditions
  2. Estimations par intervalles de confiance : proportion et moyenne
  3. Applications

Lecture conseillée en préparation des deux séances          
​Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition.
[Chapitre 5]

​
​
​​Support de cours [LINK]​


Applications de cours [LINK]

​​Compléments [LINK]
SÉANCES 5 & 6 : DE LA THEORIE DES TESTS A SON APPLICATION
​
  1. Théorie des tests : principes généraux et étapes de construction
  2. Test pour une moyenne sur un échantillon unique
  3. Test pour une proportion sur un échantillon unique
 
​Lecture conseillée en préparation des deux séances  
​Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition.
[Chapitre 6]
​

​
Support de cours [LINK]​

Applications de cours [LINK]
Fiche d'exercices 1 (obligatoire) 
​

Sujet [LINK]                        Document pdf (un seul document) à déposer ici avant le 24-10-2021 (20h) [LINK]

CM-TD 1 : présence obligatoire : séance du 28-10-2021 en présentiel

CORRIGE DU TEST   [LINK]

SÉANCES 7 & 8 : TESTS D'HOMOGÉNÉITÉ
​
  1. Test de comparaison de proportions entre deux échantillons indépendants ​
  2. ​Test de comparaison de moyennes entre deux échantillons indépendants 
  3. Test de comparaison de moyennes entre deux échantillons appariés 
​​
Lecture conseillée en préparation des deux séances          
​Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition.
[Chapitre 7]


​​​Supports de cours ​ [LINK]

Applications de cours [LINK]

Compléments [LINK]

SÉANCES 9 & 10 : TEST D'ASSOCIATION

  1. Analyse de la variance à un facteur (test ANOVA)
  2. Test post hoc : Bonferroni​
  3. Tableau de contingence : croisement de deux variables qualitatives
  4. Test du chi2
 
Lecture conseillée en préparation des deux séances          
​Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition.
[Chapitres 12 et 8]



​​Support de cours [LINK]

Applications de cours [LINK]
Fiche d'exercices 2 (obligatoire) 
​

Sujet [LINK]                       Document pdf à déposer ici avant le 12-12 (20h)  [LINK]

CM-TD 2 : présence obligatoire : séance du 16-12-2021 en présentiel
Tables statistiques utilisées

Récapitulatif des différentes tables utilisées dans ce cours


tables_usuelles_-_cours_de_tests_statistiques_2020.pdf
File Size: 1135 kb
File Type: pdf
Download File

Source : Université de Bordeaux et Université de Bourgogne
Forum pour vous aider et vous entraider
​
Vous pouvez me poser toutes vos questions sur le forum "Help Students" en suivant ce lien : https://helpstudents.tribe.so/group/tstat 
​

Bibliographie conseillée
ouvrage support du cours indiqué en gras
​
Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition.  [BU Grands Moulins : 519.2 AGR]

Amrhein, V., Greenland, S., and McShane, B. (2019). Scientists rise up against statistical significance. Nature, 567(7748) :305-307.

Ang, A. H.-S. and Tang, W. H. (2006). Probability Concepts in Engineering : Emphasis on Applications to Civil and Environmental Engineering. Wiley, New York, 2nd edition.
 
Begg, C. B. (2020). In Defense of P Values. JNCI Cancer Spectrum, 4(12) :In press.

Stock, J. H. and Watson, M. W. (2015). Introduction to Econometrics : Global Edition. Pearson.

Wasserstein, R. L. and Lazar, N. A. (2016). The ASA Statement on p-Values : Context, Process, and Purpose. The American Statistician, 70(2) :129-133.
  • Research
  • Teaching
    • CC (ED 624)
    • ASA-R (M1)
    • AMA-R (M1)
    • ECON (L3)
  • DATALAB
  • Gallery