Descriptif
Dans ce cours, nous passons en revue quelques notions de base sur les statistiques et les probabilités, faisons une introduction à l'économétrie et étudions le codage R. Des exercices sont proposés pour les résoudre pendant le cours.
Objectifs pédagogiques
L'objectif de ce cours est de permettre aux étudiants de suivre des cours réguliers d'économie et d'économétrie pendant l'année.
12 heures en présentiel (3 blocs ou créneaux)
12 heures de travail personnel estimé pour l’étudiant.
effectifs minimal / maximal:
/50Diplôme(s) concerné(s)
- MScT-Economics, Data Analytics and Corporate Finance
- MScT-Economics for Smart Cities and Climate Policy
Parcours de rattachement
Pour les étudiants du diplôme MScT-Economics, Data Analytics and Corporate Finance
Pas de pré-requis.
Pour les étudiants du diplôme MScT-Economics for Smart Cities and Climate Policy
Pas de pré-requis.
Format des notes
Numérique sur 20Littérale/grade réduitPour les étudiants du diplôme MScT-Economics, Data Analytics and Corporate Finance
Vos modalités d'acquisition :
Exercices en statistique, économétrie et codage R pendant le cours (pas notés). Pas d'examen final..
Le rattrapage est autorisé (Note de rattrapage conservée)Pour les étudiants du diplôme MScT-Economics for Smart Cities and Climate Policy
Vos modalités d'acquisition :
Exercices en statistique, économétrie et codage R pendant le cours (pas notés). Pas d'examen final.
L'UE est acquise si note finale transposée >= CProgramme détaillé
1. Notions de base sur les statistiques et les probabilités (4h)
- Dérivées et intégrales (révision)
- Quelques notions de base sur la corrélation et la causalité
- Statistiques inférentielles (population et échantillon, loi faible des grands nombres, théorème de la limite centrale)
- Statistiques descriptives (mesures de la tendance centrale, mesures de variation, centiles, etc.)
- Expérience, probabilités conditionnelles, variables aléatoires, fonctions de densité de probabilité pour variables aléatoires continues et discrètes, caractéristiques des distributions de probabilité
- Introduction à l'estimation
- Exercices
2. Introduction à l'économétrie (4h)
- Qu'est-ce qu'un modèle économétrique ? variables, paramètres
- Modèles linéaires et hypothèses de base
- Exercices
3. Codage R (4h)
- Installer R et Rstudio
- Environnement R
- Codage R (fonctions, vecteurs, dataframes)
- Importation et exportation de données
- Gestion de données
- Analyse des données
- Graphiques
- Exercices