AF consacrée à la modélisation en contexte incertain à l'aide de variables aléatoires réelles à densité. Introduction de lois usuelles mono et multidimensionnelles. Étude des méthodes de calcul des probabilités et d'approximation basées sur les théorèmes de convergence. Mise en œuvre de la méthode de Monte Carlo sur un cas pratique. La 2e partie du cours en consacré à l'estimation statistique : ponctuelle et par intervalle. Les principaux tests statistiques sont introduits et appliqués au contexte de la régression linéaire. Part importante consacrée à l'utilisation de Matlab.
Probabilités : (1) Variables aléatoires (2) Moments de variables aléatoires réelles (3) Vecteurs aléatoires (4) Suites de variables aléatoires - Résultats asymptotiques-Simulation et méthode de Monte-Carlo.
Statistique : (5) Estimation ponctuelle (6) Estimation par intervalle de confiance (7) Tests Statistiques (8) Régression linéaire.
Activité contextualisée par rapport aux problématiques de développement durable et de responsabilité sociétale et/ou illustrée par des exemples, exercices, applications.
Modélisation probabiliste, Méthode de Monte-Carlo, estimation et tests statistiques, régression linéaire.