JdS 2024

Atelier satellite aux JdS 2024 // Enseigner la statistique dans l’enseignement supérieur : construire un cours de régression linéaire

1) Ouvrages

Saporta, Probabilités, analyse des données et statistique (1990) Editions Technip

Antoniadis, Berruyer, Carmona, Régression non linéaire et applications (1992), Economica

Dodge, Rousson, Analyse de régression appliquée (2004), Dunod

Falissard, Comprendre et utiliser les statistiques dans les sciences de la vie (2005) Masson

Gauvrit, Stats pour psycho (2005), de Boeck

Savy, Probabilités et statistiques pour modéliser et décider (2006) Technosup

Cornillon-Matzner-Lober, Régression : théorie et applications (2007) Springer

Bazen, Sabatier, Econométrie, des fondements à la modélisation (2007) Vuibert

Crépon, Jacquemet, Économétrie : méthode et applications (2010) de Boeck

Lejeune, Statistique : la théorie et ses applications (2010) Springer

Lafaye de Micheaux, Drouillet, Liquet, Le logiciel R : maitriser le langage et effectuer des analyses statistiques (2011), Springer

Azais, Bardet, Le modèle linéaire par l’exemple (2012), Dunod

Triola et Triola, Biostatistique pour les sciences de la vie et de la santé (2012) Pearson

Daudin, Le modèle linaire et ses extensions (2015) Technosup

Hahn, Macé, Méthodes statistiques appliquées au management (2017) Pearson

Bertrand, Maumy-Bertrand, Initiation à la statistique avec R (2018), Dunod

Judd et al., Analyse des données, une approche par comparaison de modèles (2018) de Boeck

Cornillon, Hengartner, Matzner-Lober, Rouvière, Régression avec R (2019) EDP Sciences

Guéguen, Statistique pour psychologues : cours, QCM et exercices corrigés (2022), BU DL

Dancey et Reidy, Statistiques sans maths pour psychologues (2023) de Boeck

2) Ressources en ligne

Wikistat, Philippe Besse, INSA de Toulouse

Cours de Ricco Rakotomalala, Université de Lyon 2

Cours L3 MIASHS, Marie Chavent à l’Université de Bordeaux

Cours de L3 MIASHS IDS, Stéphane Chrétien, Université Lyon 2

Cours de Master de statistique appliquée, Magalie Fromont Renoir, Université de Rennes 2

Cours de M1 psycho, Université Paris Ouest Nanterre La Défense

3) Curricula

Niveau	Formation	Prérequis
BUT SD (ex STID)	BUT 1, S2	S1 : Statistique descriptive (45h), analyse (30h), probabilités (30h) S2 : Programmation statistique (25h), bases de l’algèbre (15h), probabilités 2 (20h), statistique inférentielle (25h)
Licence mathématiques informatique appliquées aux sciences humaines et sociales (MIASHS)	L2, S4	S1 : Algèbre linéaire (30h), analyse réelle (30h), introduction à la statistique (30h) S2 : Algèbre linéaire (30h), analyse réelle (30h), probabilités (30h) S3 : Algèbre linéaire (30h), analyse réelle (30h), probabilités (30h)
Licence Économie-gestion	L3, S5	S1 : Algèbre linéaire (30h), analyse réelle (30h), introduction à la statistique (30h) S2 : Algèbre linéaire (30h), analyse réelle (30h), probabilités (30h) S3 : Algèbre linéaire (30h), analyse réelle (30h), probabilités (30h)
École d’ingénieur	1ère année, S6	S5 : analyse pour l’ingénieur (33h), probabilités appliquées (33h) S6 : méthodes numériques de base (34,5h), recherche opérationnelle (33h)
Master Psychologie	M1, S7	S1 : Méthodes en SHS, traitement de données (statistiques descriptives) S2 : Traitement de données (statistiques descriptives) S3 : Traitement de données (probabilités, stat inférentielle, comparaison de données) S4 : Analyse et interprétation des données expérimentales (ANOVA 1 et 2 facteurs)
Master de statistique	M1, S7	(voir Licence MIASHS S1 à S3) S4 : Statistique mathématique (dont inférence statistique, tests de normalité, analyse de la variance, régression linéaire) S5 : statistique mathématique 2 (48h) S6 : statistique mathématique 3 (analyse de la variance, régression linéaire, méthodes non paramétriques, théorie de Neyman-Pearson) S7 : probabilités (24h), statistique inférentielle (24h), analyse de données (24h)
Master Biologie	M2, S9	S3 : méthodes statistiques pour la biologie (36h) S5 : modélisation en biologie (50h)