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.
effectifs minimal / maximal:
/50Diplôme(s) concerné(s)
- MScT-Economics for Smart Cities and Climate Policy
- MScT-Economics, Data Analytics and Corporate Finance
Parcours de rattachement
Pour les étudiants du diplôme MScT-Economics for Smart Cities and Climate Policy
Pas de pré-requis.
Pour les étudiants du diplôme MScT-Economics, Data Analytics and Corporate Finance
Pas de pré-requis.
Format des notes
Numérique sur 20Littérale/grade américainPour 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 (Max entre les deux notes)- le rattrapage est obligatoire si :
- Note initiale < 10
- le rattrapage peut être demandé par l'étudiant si :
- Note initiale < 10
- Crédits ECTS acquis : 0 ECTS
La note obtenue rentre dans le calcul de votre GPA.
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.
Le rattrapage est autorisé (Max entre les deux notes)- le rattrapage est obligatoire si :
- Note initiale < 10
- le rattrapage peut être demandé par l'étudiant si :
- Note initiale < 10
- Crédits ECTS acquis : 0 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Programme 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
