Ensai Programme des enseignements de 1 re année 2014/2015. PROGRAMME DES ENSEIGNEMENTS DE 1 re ANNÉE

Transcription

1 Programme des enseignements de 1 re année ANNÉE SCOLAIRE 2014/2015

2 PROGRAMME DES ENSEIGNEMENTS DE 1 re ANNÉE ANNÉE SCOLAIRE 2014/2015 1

3

4 Table des matières Présentation générale des enseignements Les grands domaines d'enseignement Tableau synoptique des enseignements de 1 re année Corps enseignant et correspondants Enseignements de mathématiques Remise à niveau en mathématiques Algèbre Optimisation et méthodes numériques Enseignements de probabilités et de statistique Statistique exploratoire uni et bivariée Math : Probabilités discrètes et calcul intégral IES : Probabilités discrètes et calcul intégral Math : Probabilités générales...30 IES : Probabilités générales Math : Modèles statistiques et estimation IES : Modèles statistiques et estimation Math : Tests...35 IES : Tests Statistiques avec R Projet de statistique Communication écrite et orale adaptée au projet statistique Enseignements d informatique Introduction au système Sas Sas avancé Algorithmique et programmation Modélisation avec UML Programmation orientée objet avec Java Atelier modélisation et prog. orientée objet Bases de données relationnelles Outils bureautiques pour le statisticien Enseignements d économie, sciences sociales et gestion Projet d'économie...53 Modélisation microéconomique Modélisation microéconomique Modélisation macroéconomique Modélisation macroéconomique Principes de gestion des organisations Démographie Gestion de projets Introduction aux sciences sociales Langues optionnelles Cours d ouverture Participation aux activités associatives Sport...70 Anglais Anglais

5 Présentation générale des enseignements Créée depuis près de 20 ans, l Ensai est la seule grande école d ingénieurs habilitée par la Commission des Titres d Ingénieur, à être spécialisée dans le traitement de l information et la statistique. L école est positionnée sur un secteur en pleine croissance, afin de répondre aux demandes de plus en plus nombreuses des entreprises dans le domaine de l analyse de l information. Par ses six filières, l école offre des compétences reconnues dans des spécialités encore nouvelles et qui trouvent leur place dans un nombre croissant de secteurs d activités, de l industrie à la banque, en passant par les services aux entreprises ou la santé, en France ou à l étranger. Pour permettre aux élèves d accéder aux multiples fonctions de l ingénierie statistique, l enseignement s appuie sur 3 grands piliers : statistique, informatique et économie. La scolarité se déroule en trois ans pour les élèves ingénieurs et en deux ans pour les élèves attachés. Ces derniers ont cependant la possibilité d obtenir un diplôme de master en statistique publique dans le cadre de la formation continue de l Insee. Durant les deux premières années de scolarité à l'ensai, les élèves ingénieurs et les élèves attachés suivent en commun la plupart des enseignements, passent les mêmes contrôles, sont notés ensemble. Toutefois au second semestre de 2 ème année, les parcours se différentient sensiblement. Les élèves ingénieurs ont des enseignements qui les renforcent dans les compétences d ingénieur statisticien et les préparent aux filières de 3 ème année. Les élèves attachés reçoivent une formation plus orientée vers les connaissances utiles au statisticien public, que ce soit en tant que méthodologue chargé d études ou concepteur d enquêtes. Première année En première année, les enseignements (en statistique, probabilités, mathématiques, informatique, économie, sciences sociales, gestion) introduisent aux méthodes de raisonnement et aux connaissances de base nécessaires pour acquérir une bonne culture générale dans les domaines abordés, méthodes et connaissances qui seront approfondies et complétées dans les enseignements de seconde et de troisième année. Pour tenir compte des connaissances spécifiques des élèves recrutés, les programmes sont différenciés selon la voie d entrée. Ainsi les élèves venant de la voie mathématique (concours communs polytechniques, L3 math ) ou des IUT Stid ont un enseignement renforcé en économie au 1 er semestre pour rattraper leur retard par rapport aux élèves venant de la voie «économie». De façon symétrique, les élèves venant de la voie économie (prépa BL, Cachan D2, L3 économie ) suivent des cours complémentaires de mathématiques (algèbre, td d analyse) pour acquérir les bases utiles dans l apprentissage ultérieur des statistiques. La pédagogie des enseignements des probabilités et des bases de la statistique est aussi adaptée à ces différences de cursus d origine, pour faciliter l assimilation des notions nouvelles. Les autres enseignements sont communs et permettent de regrouper toute la promotion de 1 ère année. Il s agit notamment de l apprentissage de la programmation, des logiciels statistiques (SAS, R), la macro et la microéconomie, les cours d ouverture et l anglais. A l issue de cette 1 ère année, les élèves disposent d un socle de connaissances commun en mathématique/statistique, économie et informatique qui leur permet de poursuivre en 2 ème année dans un cursus où l origine n est plus différenciée. Un stage de un à deux mois conclut cette 1 ère année : stage de découverte de la statistique publique pour les attachés stagiaires et stage opérateur pour les élèves ingénieurs. 4

6 Deuxième année Au cours de la deuxième année, l'enseignement se poursuit au travers de cours fondamentaux, pour certains introductifs, pour d'autres d approfondissement. L essentiel est dispensé sous forme d enseignements de tronc commun. Pour autant, au 2 ème semestre, les élèves choisissent aussi des cours électifs en fonction de leurs souhaits et des connaissances qu ils veulent acquérir pour préparer leur spécialisation de 3 ème année (ingénieurs élèves) ou leur entrer dans le monde professionnel (la plupart des élèves attachés). Pour les élèves ingénieurs, l année se termine par un stage d application en statistique de 2 à 3 mois. Troisième année Les filières de troisième année ne concernent que les élèves ingénieurs. Elles visent à leur donner une véritable spécialisation, tout en leur faisant découvrir progressivement l univers professionnel. Les intervenants sont, pour l essentiel, issus du monde de l entreprise, ce qui permet aux étudiants d avoir un premier aperçu des problématiques auxquelles ils seront confrontés à la sortie de l École. L enseignement est complété par des séminaires professionnels. La formation est ensuite clôturée par un stage de fin d études de 5 à 6 mois, à partir de début avril. Placés dans des services statistiques, informatiques ou économiques d'entreprises publiques ou privées, les stagiaires y apprennent à mobiliser et mettre en œuvre les connaissances acquises à l'école et découvrent leur futur milieu professionnel. Les six filières de spécialisation de 3 e année Gestion des risques et ingénierie financière Cette filière répond aux développements accélérés des marchés financiers et à la pratique de la gestion des risques au sein des organismes financiers. Grâce à une approche transversale qui allie l utilisation intensive des statistiques, la modélisation stochastique et des méthodes numériques, ainsi que la conception et le perfectionnement des applications informatiques, cette filière entend former des ingénieurs à la pointe des innovations financières et technologiques. Les trois grands domaines de compétences de cette filière sont : la réglementation et la gestion des risques bancaires l allocation et les stratégies d investissement l innovation en ingénierie financière. Marketing quantitatif et revenue management Cette filière répond à l importance croissante accordée au marketing relationnel. L étude du comportement du consommateur est vitale pour toute organisation en raison des conséquences qu elle entraîne pour toutes les décisions marketing : positionnement des marques, segmentation des marchés, développement de nouveaux produits, stratégies publicitaires, choix de canaux de distribution, etc. Cette analyse fait appel à des systèmes d aide à la décision, dont les composantes sont les bases de données recueillies dans l organisation ou son environnement, les méthodes statistiques qui permettent d analyser ces données ainsi que de nombreux modèles théoriques. L approche est pluridisciplinaire, avec la mobilisation de connaissances en économie mais aussi en psychologie ainsi qu en sociologie. Statistique pour les sciences de la vie Après des compléments en statistique, notamment en données de survie, modèles mixtes et analyse séquentielle, les enseignements apportent les outils nécessaires pour une spécialisation dans le domaine de l expérimentation. Les cours d épidémiologie, d essais cliniques et de plans d expériences permettent en particulier aux étudiants de recevoir une solide formation pour des applications dans le secteur de la santé. Génie statistique Cette voie de spécialisation donne aux étudiants des compétences avancées dans divers domaines de la statistique appliquée à l industrie, aux services, à l environnement. Les thèmes 5

7 abordés incluent la qualité et la fiabilité, le traitement de l image et du signal, ainsi que la prévision et ses applications, notamment dans le domaine de l environnement. Statistique et ingénierie des données A l issue de cette filière, les étudiants possèdent des compétences complémentaires dans le traitement de l information, notamment dans les domaines du datamining et des technologies web. Les quatre piliers d enseignement de cette voie couvrent l'informatique décisionnelle, la manipulation de larges volumes de données, les bases de données et le développement d applications en réseau. Ingénierie statistique des territoires et de la santé Cette filière vise à donner un bagage en ingénierie statistique et économétrie appliqué à la connaissance des dynamiques territoriales et à la santé, et permettant l évaluation des politiques publiques. Les outils statistiques et économétriques, notamment en microéconométrie, constituent le socle de cette filière. Mais les enseignements vont bien au-delà et donnent une vision globale des dynamiques de territoire (marché du travail, migration, urbanisation ), ils font le lien avec l évaluation économique de la santé qui prend une place majeure en France et dans le monde. Les liens entre démographie et santé, urbanisation et économie spatiale sont, par exemple, étudiés avec l œil à la fois du politique public et du statisticien. Cette filière ouvre sur de très nombreux domaines de la décision économique, que ce soit dans le secteur public (ministères, santé, sécurité sociale...) ou privé (cabinets d'étude, laboratoires pharmaceutiques, bureaux de conseils...). L option de formation par la recherche Les élèves de très bon niveau qui souhaitent faire de la recherche théorique ou appliquée après l'ensai peuvent bénéficier de facilités offertes au cours de leur scolarité : possibilité, dans le cadre de conventions passées avec des universités, de suivre des cours de master 2 pendant leur troisième année pour obtenir ce diplôme en même temps que celui de l'ensai, contacts privilégiés avec les laboratoires de recherche universitaires et ceux d'autres Grandes Écoles, avec le Centre de Recherche en Économie et Statistique du Groupe des Écoles Nationales d Économie et Statistique le Crest, de bénéficier d'un encadrement personnalisé par un «tuteur» spécialiste du domaine dans lequel l'élève souhaite poursuivre ses recherches, possibilité d'effectuer le stage de troisième année dans un laboratoire de recherche, etc. Le master en statistique publique Les élèves titularisés comme attachés statisticiens de l'insee peuvent obtenir un master en statistique publique dans le cadre de la formation continue de l Insee : - Intégrée, c'est-à-dire dans le prolongement de leur deuxième année de scolarité à l'ensai, - Décalée, c'est-à-dire de façon discontinue au cours de leurs premières années de fonction. Ce master est cohabilité avec l Université de Rennes 1 et comporte trois parcours au choix : statistiques et traitement des données, méthodologie de la statistique publique ou études statistiques. 6

8 Les grands domaines d'enseignement En dehors de quelques enseignements très spécialisés de troisième année, les cours peuvent être regroupés en quatre grands domaines : 1. Mathématiques, probabilités, statistique 2. Informatique 3. Économie, gestion et sciences sociales 4. Humanités Mathématiques, probabilités, statistique La statistique fait partie intégrante des mathématiques appliquées. Elle se base sur le calcul des probabilités. En première année, après des compléments de mathématiques nécessaires à une mise à niveau des étudiants n ayant pas fréquenté les classes préparatoires scientifiques, ainsi qu un cours d optimisation dispensé à l ensemble des élèves, quatre cours fondamentaux pour la compréhension des techniques statistiques enseignées par la suite sont abordés : des notions fondamentales de probabilités à la statistique inférentielle et aux tests. Ces cours, sur lesquels s appuient des TD, sont complétés par une série de TP informatisés permettant une mise en œuvre pratique des concepts vus dans les cours de base, soit par une première étude statistique de fichiers, comprenant les méthodes usuelles de la statistique exploratoire, soit par l utilisation des techniques de simulation. Les élèves réalisent également un projet statistique, en groupe, mettant en œuvre des méthodes de statistique descriptive. La seconde année est centrée sur l apprentissage des techniques utiles au statisticien de profession : la modélisation, paramétrique ou non, d une régression, l analyse non inférentielle de données multivariées, l étude des séries chronologiques modélisables par la méthode de Box-Jenkins, la théorie des sondages, l analyse des modèles à choix discrets. Ces bases sont complétées, selon le statut de l élève et les choix, par un cours de modèles de durée, une initiation aux processus stochastiques, comprenant une introduction aux files d attente, un premier cours de plans d expérience, un cours portant sur les méthodologies statistiques assistées par ordinateur, et des compléments d analyse des données. Un projet statistique, encadré par des professionnels et fonctionnant en petits groupes, permet aux élèves de mettre en œuvre sur des données réelles un large éventail des techniques étudiées au cours des deux premières années. Les cours de troisième année s inscrivent dans des voies de spécialisation. Ils présentent les développements spécifiques des probabilités et de la statistique utiles au domaine étudié, tout en apportant les connaissances indispensables sur l environnement dans lequel sera amené à travailler le statisticien. Informatique L'enseignement informatique de première année est adossé à trois concepts principaux : la conception d'applications, le développement logiciel et le stockage de données. La conception d'applications, est abordée dans le cadre de la modélisation d'applications objet ainsi qu'en modélisation de bases de données. Tous les enseignements de modélisation s'appuient sur le même langage : UML. Le développement logiciel est introduit dans un premier temps avec les notions algorithmiques de bases, ces dernières sont mises en œuvre avec un langage de programmation utilisant les mêmes bases de programmation que le langage Java. Ceci permet de découvrir la programmation impérative tout en ayant mis en œuvre les structure algorithmiques avec la syntaxe du langage Java. Dans un deuxième temps, les concepts de programmation objet sont abordés avec le langage Java. Les fichiers, les bases de données relationnelles et les tables SAS sont les trois principaux modes de stockage des données mis en pra- 7

9 tique. Les accès aux fichiers sont abordés lors des cours de programmation impérative et de programmation objet. Le langage SQL est l'outil de base de mise en œuvre et d'interrogation de bases de données relationnelles. Les logiciels SAS et R, dédiés à la statistique, sont également des outils de manipulation de données, leurs langages spécifiques font également l'objet d'un enseignement. Tous les élèves réalisent dès le début de la deuxième année un projet dont l objectif est de mettre en application les enseignements reçus en 1 re année. Au cours du second semestre, les élèves en fonction de leur statut (ingénieur ou fonctionnaire) ont des cours différenciés. Les ingénieurs suivent un cours de programmation objet en C++ complété par un enseignement d'intégration de programme C++ dans R. Les attachés suivent trois enseignements, cartographie, de la visualisation de données et de Visual Basic Application avec Excel. Deux cours optionnels sont proposés en informatique, Visual basic Application pour les ingénieurs et un enseignement sur les technologies mobiles. La troisième année apporte les compléments nécessaires à la mise en œuvre informatique des méthodes statistiques dans les domaines de spécialisation proposés. Elle offre également une voie d'approfondissement dans le domaine spécifique du traitement de l'information (compléments sur les bases de données, génie logiciel, conception et programmation orientées objet, administration de projets informatiques, intelligence artificielle, big data, datamining, réseaux, technologies web, etc.). Économie, gestion et sciences sociales Les enseignements d'économie, de gestion et de sciences sociales ont pour objectif d offrir à tous les élèves une réelle capacité d analyse et de compréhension des aspects essentiels du monde contemporain. Ils ont également pour ambition de fournir à certains d'entre eux, et notamment aux futurs attachés statisticiens de l'insee, les moyens de mettre leurs connaissances statistiques au service de l économie. En première année, on distingue un public d'élèves ayant de bonnes connaissances en sciences économiques et sociales et un public d'élèves débutants ou n'ayant eu qu'une première initiation dans cette discipline. Pour les premiers, l'école propose des cours de niveau avancé abordant les développements récents en économie formalisée, et pour les seconds, des cours plus progressifs, avec en particulier une introduction à la modélisation macroéconomique. Pour de futurs praticiens de l'analyse économique, les enseignants ont le souci de lier l'analyse à l'observation des faits à travers les données. L enseignement de première année permet également aux étudiants de suivre certains cours introductifs, en particulier de sociologie, de démographie ou de gestion. En seconde année, le cours d économétrie du tronc commun vise à donner aux élèves les méthodes de validation empirique des modèles théoriques. Ce cours est complété au 2 ème semestre par une approche non-paramétrique pour les ingénieurs, tandis que les attachés vont approfondir l économétrie à la fois sous l angle macro et micro. Les deux cursus sont aussi sensibilisés à l économie du risque, particulièrement utile dans l approche économique quantitative, à la fois dans le domaine bancaire et marketing. Des cours électifs complètent cette formation en ouvrant sur l économie industrielle ou l économie des contrats notamment. Humanités Communication L apprentissage des techniques de communication est progressif, basé sur la pratique et le conseil personnalisé. Il permet aux élèves de l École de communiquer efficacement dans les situations les plus diverses de la vie sociale et professionnelle. 8

10 Les élèves sont sensibilisés aux techniques de communication écrites et orales dans le cadre des projets statistiques en 1 ère année, puis développent ces compétences en travaillant sur les projets qui jalonnent leur scolarité. Des coachs en communication interviennent directement auprès de chaque groupe d élèves. En 3 ème année, des simulations d entretien d embauche préparent les élèves à leur entrée sur le marché du travail. Anglais L'étude de l'anglais est obligatoire tout au long de la scolarité. Les élèves sont répartis en groupes de niveau. Des modules de préparation au TOEIC sont organisés toutes les années. Un score minimal de 785 points 1 à ce test est obligatoire pour l obtention du diplôme d ingénieur. Cours libres optionnels Les élèves en première et deuxième année doivent choisir 2 enseignements parmi les enseignements suivants : Langues optionnelles : Les langues proposées sont l allemand, le chinois, l espagnol et l italien. Elles peuvent être étudiées du niveau initiation jusqu au niveau perfectionnement. Pour ces langues optionnelles, l inscription aux deux semestres est obligatoire. Cours d ouverture : d autres options dites de formation humaine sont organisées chaque année. La liste qui suit comporte des exemples des cours proposés par le passé : - Anglais (thèmes ou TOEIC) - Architectures contemporaines - Cinéma - Dessin - Média, mémoire et histoire : des rapports ambigus - Philosophie : l avenir de l éthique - Introduction à la psychologie sociale - Atelier théâtre - Développement durable : un défi d avenir? - Histoire pour comprendre le monde d aujourd hui - Peinture - Physique - Sociologie, Psychologie et Société - Tandem (modalités spécifiques) 1 Ce score minimum correspond au niveau B2 du CECRL. 9

11 Tableau synoptique des enseignements de 1 re année Élèves issus des concours «mathématiques» «économie» «interne» ou «sur titre IUT Stid» Algèbre Analyse MATHÉMATIQUES Optimisation et méthodes numériques PROBABILITES STATISTIQUE ECONOMIE GESTION INFORMATIQUE HUMANITES Probabilités discrètes et générales, calcul intégral, estimations et tests Probabilités discrètes et générales, calcul intégral, estimations et tests Statistique uni et bi variée Projet de statistique - R Modélisation macroéconomique 1 Introduction aux sciences sociales Projet d économie Modélisation macroéconomique 1 Modélisation microéconomique 1 Modélisation microéconomique 2 Modélisation macroéconomique 2 Principes de gestion des organisations Gestion de projet Démographie Algorithmique et programmation Modélisation avec UML Programmation orientée objet avec Java Atelier modélisation et programmation orientée objet Bases de données relationnelles Sas Macro Sas Anglais Autre langue optionnelle Cours d ouverture 10

12 Enseignements de 1 re année : Élèves attachés statisticiens issus du concours «Mathématiques» Cours Projet TD TP Total UE1-01 M Stat. 1 M : Proba. discrètes et calcul intégral 16, ,5 3,5 Stat. 2 M : Probabilités générales ,5 Total UE 1-01 M 43, ,5 9 UE1-02 M-E Introduction au système Sas SAS Avancé 1,5 9 10,5 0,5 Statistique exploratoire uni et bi variée 10, ,5 1,5 Optimisation et méthodes numériques Somme UE 1-02 M-E UE1-03 M-E-IS Base de données relationnelles 7,5 7,5 13,5 28,5 2,5 Algorithmique et programmation 7,5 4,5 19,5 31,5 2,5 Total UE 1-03 M-E-IS UE1-04 M-IS Modélisation macroéconomique ,5 Modélisation microéconomique ,5 Total UE 1-04 M-IS UE1-05 M-E-IS Anglais 1 er semestre Total UE 1-05 M-E-IS Total 1 er semestre UE1-06 M 148,50 72,00 81,00 301,50 27 Stat. 3 M : Modèles statistiques et estimation Stat. 4 M : Tests ,5 La statistique avec R ,5 Total UE 1-06 M UE1-07 M-E-IS Projet de statistique Total UE 1-07 M-E-IS UE1-08 M-E-IS Modélisation avec UML 3 10,5 13,5 2 Programmation orientée objet avec Java 4, ,5 2 Atelier modélisation et prog. orientée objet Total UE 1-08 M-E-IS 7,5 19, UE1-09 M-IS Modélisation microéconomique ,5 Modélisation macroéconomique ,5 Total UE 1-09 M-IS UE1-10 M Démographie Introduction aux sciences sociales Option Option Sport (facultatif) Activité associative (facultatif) Total UE 1-10 M UE1-11 M-E-IS Anglais 2 nd semestre Total UE 1-11 M-E-IS Total 2 nd semestre Total Enseignements Volume horaire Coefficients et Crédits 196, ,50 111,00 417, ,00 30,00 151,50 192,00 718,50 60,00 Les élèves faibles en anglais suivront un cours «d anglais renforcé» de 30 heures. 11

13 Enseignements de 1 re année Élèves ingénieurs issus du concours «Mathématiques» Cours Projet TD TP Total UE1-01 M Stat. 1 M : Proba. discrètes et calcul intégral 16, ,5 3,5 Stat. 2 M : Probabilités générales ,5 Total UE 1-01 M 43, ,5 9 UE1-02 M-E Introduction au système Sas SAS Avancé 1,5 9 10,5 0,5 Statistique exploratoire uni et bi variée 10, ,5 1,5 Optimisation et méthodes numériques Somme UE 1-02 M-E UE1-03 M-E-IS Base de données relationnelles 7,5 7,5 13,5 28,5 2,5 Algorithmique et programmation 7,5 4,5 19,5 31,5 2,5 Total UE 1-03 M-E-IS UE1-04 M-IS Modélisation macroéconomique ,5 Modélisation microéconomique ,5 Total UE 1-04 M-IS UE1-05 M-E-IS Anglais 1 er semestre Total UE 1-05 M-E-IS Total 1 er semestre UE1-06 M Enseignements Volume horaire 148,50 72,00 81,00 301,50 27 Stat. 3 M : Modèles statistiques et estimation Stat. 4 M : Tests ,5 La statistique avec R ,5 Total UE 1-06 M UE1-07 M-E-IS Projet de statistique Total UE 1-07 M-E-IS UE1-08 M-E-IS Modélisation avec UML 3 10,5 13,5 2 Programmation orientée objet avec Java 4, ,5 2 Atelier modélisation et prog. orientée objet Total UE 1-08 M-E-IS 7,5 19, UE1-09 M-E-IS Modélisation microéconomique ,5 Modélisation macroéconomique ,5 Total UE 1-09 M-E-IS UE1-10 M Principe de gestion des organisations 10,5 10,5 1 Gestion de projet Introduction aux sciences sociales Option Option Sport (facultatif) Activité associative (facultatif) Total UE 1-10 M 85, ,5 5 UE1-11 M-E-IS Anglais 2 nd semestre Total UE 1-11 M-E-IS Total 2 nd semestre Total ,50 111,00 418, ,50 30,00 151,50 192,00 720,00 60,00 Les élèves faibles en anglais suivront un cours «d anglais renforcé» de 30 heures. Coefficients et Crédits 12

14 Volumes horaires enseignés Enseignements de 1 re année Élèves attachés statisticiens issus du concours «Économie» Cours Projet TD TP Total UE1-01 E-IS Algèbre Stat. 1 IES : Proba. discrètes et calcul intégral 16, ,5 4 Stat. 2 IES : Probabilités générales Total UE 1-01 E-IS 64, ,5 10 UE1-02 M-E Introduction au système Sas SAS Avancé 1,5 9 10,5 0,5 Statistique exploratoire uni et bi variée 10, ,5 1,5 Optimisation et méthodes numériques Somme UE 1-02 M-E-IS UE1-03 M-E-IS Base de données relationnelles 7,5 7,5 13,5 28,5 2,5 Algorithmique et programmation 7,5 4,5 19,5 31,5 2,5 Total UE 1-03 M-E-IS UE1-04 E Projet d'économie 3 3 1,5 Modélisation microéconomique ,5 Total UE 1-04 E UE1-05 M-E-IS Anglais 1 er semestre Total UE 1-05 M-E-IS Total 1 er semestre UE1-06 E-IS 151,50 102,00 81,00 337,50 27 Stat. 3 IES : Modèles statistiques et estimation ,5 Stat. 4 IES : Tests La statistique avec R ,5 Total UE 1-06 E-IS UE1-07 M-E-IS Projet de statistique Total UE 1-07 M-E-IS UE1-08 M-E-IS Modélisation avec UML 3 10,5 13,5 2 Programmation orientée objet avec Java 4, ,5 2 Atelier modélisation et prog. orientée objet Total UE 1-08 M-E-IS 7,5 19, UE1-09 M-E-IS Modélisation microéconomique ,5 Modélisation macroéconomique ,5 Total UE 1-09 M-E-IS UE1-10 E-IS Démographie Option Option Sport (facultatif) Activité associative (facultatif) Total UE 1-10 E-IS UE1-11 M-E-IS Anglais 2 nd semestre Total UE 1-11 M-E-IS Total 2 nd semestre Total Enseignements Volume horaire 175, ,50 111,00 396, ,00 30,00 181,50 192,00 733,50 60,00 Les élèves faibles en anglais suivront un cours «d anglais renforcé» de 30 heures. Coefficients et Crédits 13

15 Volumes horaires enseignés Enseignements de 1 re année Élèves ingénieurs issus du concours «Économie» Cours Projet TD TP Total UE1-01 E-IS Algèbre Stat. 1 IES : Proba. discrètes et calcul intégral 16, ,5 4 Stat. 2 IES : Probabilités générales Total UE 1-01 E-IS 64, ,5 10 UE1-02 M-E Introduction au système Sas SAS Avancé 1,5 9 10,5 0,5 Statistique exploratoire uni et bi variée 10, ,5 1,5 Optimisation et méthodes numériques Somme UE 1-02 M-E UE1-03 M-E-IS Base de données relationnelles 7,5 7,5 13,5 28,5 2,5 Algorithmique et programmation 7,5 4,5 19,5 31,5 2,5 Total UE 1-03 M-E-IS UE1-04 E Projet d'économie 3 3 1,5 Modélisation microéconomique ,5 Total UE 1-04 IS UE1-05 M-E-IS Anglais 1 er semestre Total UE 1-05 M-E-IS Total 1 er semestre UE1-06 E-IS 151,50 102,00 81,00 337,50 27 Stat. 3 IES : Modèles statistiques et estimation ,5 Stat. 4 IES : Tests La statistique avec R ,5 Total UE 1-06 E-IS UE1-07 M-E-IS Projet de statistique Total UE 1-07 M-E-IS UE1-08 M-E-IS Modélisation avec UML 3 10,5 13,5 2 Programmation orientée objet avec Java 4, ,5 2 Atelier modélisation et prog. orientée objet Total UE 1-08 M-E-IS 7,5 19, UE1-09 M-E-IS Modélisation microéconomique ,5 Modélisation macroéconomique ,5 Total UE 1-09 M-E-IS UE1-10 E-IS Principe de gestion des organisations 10,5 10,5 1 Gestion de projet Option Option Sport (facultatif) Activité associative (facultatif) Total UE 1-10 E-IS 64, ,5 4 UE1-11 M-E-IS Anglais 2 nd semestre Total UE 1-11 M-E-IS Total 2 nd semestre Total Enseignements Volume horaire ,50 111,00 397, ,50 30,00 181,50 192,00 735,00 60,00 Les élèves faibles en anglais suivront un cours «d anglais renforcé» de 30 heures. Coefficients et Crédits 14

16 Volumes horaires enseignés Enseignements de 1 re année Élèves attachés statisticiens issus du concours «interne» Enseignements Volume horaire Cours Projet TD TP Total UE1-01 IS Algèbre Stat. 1 IES : Proba. discrètes et calcul intégral 16, ,5 4 Stat. 2 IES : Probabilités générales Total UE 1-01 IS 64, ,5 10 UE1-02 M-E-IS Introduction au système Sas SAS Avancé 1,5 9 10,5 1 Optimisation et méthodes numériques Somme UE 1-02 M-E-IS 19, ,5 5 UE1-03 M-E-IS Base de données relationnelles 7,5 7,5 13,5 28,5 2,5 Algorithmique et programmation 7,5 4,5 19,5 31,5 2,5 Total UE 1-03 M-E-IS UE1-04 M-IS Modélisation macroéconomique ,5 Modélisation microéconomique ,5 Total UE 1-04 M-IS UE1-05 M-E-IS Anglais 1 er semestre Total UE 1-05 M-E-IS Total 1 er semestre UE1-06 E-IS 159,00 105,00 72,00 336,00 27 Stat. 3 IES : Modèles statistiques et estimation ,5 Stat. 4 IES : Tests La statistique avec R ,5 Total UE 1-06 E-IS UE1-07 M-E-IS Projet de statistique Total UE 1-07 M-E-IS UE1-08 M-E-IS Modélisation avec UML 3 10,5 13,5 2 Programmation orientée objet avec Java 4, ,5 2 Atelier modélisation et prog. orientée objet Total UE 1-08 M-E-IS 7,5 19, UE1-09 M-E-IS Modélisation microéconomique ,5 Modélisation macroéconomique ,5 Total UE 1-09 M-E-IS UE1-10 E-IS Démographie Option Option Sport (facultatif) Activité associative (facultatif) Total UE 1-10 M-E-IS UE1-11 M-E-IS Anglais 2 nd semestre Total UE 1-11 M-E-IS Total 2 nd semestre Total 175, ,50 111,00 396, ,50 30,00 184,50 183,00 732,00 60,00 Les élèves faibles en anglais suivront un cours «d anglais renforcé» de 30 heures. Coefficients et Crédits 15

17 Volumes horaires enseignés Élèves ingénieurs AST STID Enseignements Enseignements de 1 re année Élèves admis sur titre «IUT STID» Volume horaire Cours Projet TD TP Total UE1-01 IS Algèbre Stat. 1 IES : Proba. discrètes et calcul intégral 16, ,5 4 Stat. 2 IES : Probabilités générales Total UE 1-01 IS 64, ,5 10 UE1-02 E-IS Introduction au système Sas SAS Avancé 1,5 9 10,5 1 Optimisation et méthodes numériques Somme UE 1-02 E-IS 19, ,5 5 UE1-03 M-E-IS Base de données relationnelles 7,5 7,5 13,5 28,5 2,5 Algorithmique et programmation 7,5 4,5 19,5 31,5 2,5 Total UE 1-03 M-E-IS UE1-04 M-IS Modélisation macroéconomique ,5 Modélisation microéconomique ,5 Total UE 1-04 M-IS UE1-05 M-E-IS Anglais 1 er semestre Total UE 1-05 M-E-IS Total 1 er semestre UE1-06 E-IS 159,00 105,00 72,00 336,00 27 Stat. 3 IES : Modèles statistiques et estimation ,5 Stat. 4 IES : Tests La statistique avec R ,5 Total UE 1-06 E-IS UE1-07 M-E-IS Projet de statistique Total UE 1-07 M-E-IS UE1-08 M-E-IS Modélisation avec UML 3 10,5 13,5 2 Programmation orientée objet avec Java 4, ,5 2 Atelier modélisation et prog. orientée objet Total UE 1-08 M-E-IS 7,5 19, UE1-09 M-E-IS Modélisation microéconomique ,5 Modélisation macroéconomique ,5 Total UE 1-09 M-E-IS UE1-10 E-IS Principe de gestion des organisations 10,5 10,5 1 Gestion de projet Option Option Sport (facultatif) Activité associative (facultatif) Total UE 1-10 E-IS 64, ,5 4 UE1-11 M-E-IS Anglais 2 nd semestre Total UE 1-11 M-E-IS Total 2 nd semestre Total ,50 111,00 397, ,00 30,00 184,50 183,00 733,50 60,00 Les élèves faibles en anglais suivront un cours «d anglais renforcé» de 30 heures. Coefficients et Crédits 16

18 Corps enseignant et correspondants Département Cours N Cours Correspondant Enseignant Économie Projet d économie 1AECO01 S. Auray S. Auray Économie Modélisation microéconomique 1 1AECO02 N. Lepage-Saucier N. Lepage-Saucier Économie Modélisation microéconomique 2 1AECO03 N. Lepage-Saucier N. Lepage-Saucier Économie Modélisation macroéconomique 1 1AECO04 S. Auray S. Auray Économie Modélisation macroéconomique 2 1AECO05 S. Danthine S. Danthine Économie Principe de gestion des organisations 1AECO06 S. Auray F. Villa Économie Gestion des projets 1AECO07 L. Di Carlo D. Dazy Économie Démographie 1AECO08 L. Di Carlo L. Di Carlo Économie Introduction aux sciences sociales 1AECO09 L. Di Carlo A. Filhon Humanités Humanités Projet statistique et communication écrite et orale Anglais 1AHUM10 L. Di Carlo Divers intervenants 1AHUM01 1AHUM02 E. Lalau Keraly Divers intervenants Informatique Introduction au système Sas 1AINF01 J.-F. Portier J.-F. Portier Informatique Sas avancé 1AINF02 J.-F. Portier J.-F. Portier Informatique Algorithmique et programmation 1AINF03 S. Toubon S. Toubon Informatique Modélisation avec UML 1AINF04 Y. Busnel Y. Busnel Informatique Programmation orientée objet avec Java 1AINF05 Y. Busnel Y. Busnel Informatique Atelier de prog. orientée objet 1AINF06 Y. Busnel Y. Busnel Informatique Bases de données relationnelles 1AINF07 L. Duval L. Duval Informatique Outils bureautiques pour le statisticien 1AINF08 L. Duval L. Duval Statistique Remise à niveau en mathématiques 1ASTA01 S. El Kolei P.Richard et M. Malo Statistique Algèbre 1ASTA02 S. El Kolei D.Jacquemard Statistique Optimisation et méthodes numériques 1ASTA03 S. El Kolei T.Deheuvels Statistique Statistique exploratoire uni et bivariée 1ASTA04 A. Grelaud A. Grelaud Statistique Probabilités discrètes et calcul intégral Math 1ASTA05 S. El Kolei S. El Kolei Statistique Probabilités discrètes et calcul intégral IES 1ASTA06 J. Julienne J. Julienne Statistique Probabilités générales - Math 1ASTA07 F. Coquet F. Coquet Statistique Probabilités générales - IES 1ASTA08 L. Rouvière L. Rouvière Statistique Modèles statistiques et estimation - Math 1ASTA09 M. Vimond M. Vimond Statistique Modèles statistiques et estimation IES 1ASTA10 M. Hristache M. Hristache Statistique Tests Math 1ASTA11 N. Klutchnikoff N. Klutchnikoff Statistique Tests - IES 1ASTA12 F. Coquet F. Coquet Statistique La statistique avec R 1ASTA13 M. Vimond N. Krell Statistique Projet de statistique 1ASTA14 L. Di Carlo Divers intervenants 17

19

20 Enseignements de mathématiques 19

21

22 UE 1-01 E IS Matière 1ASTA01 Semestre 0 Remise à niveau en mathématiques Refresher Course in Mathematics TD : 36h Enseignant : Pascale Richard et Marine Malo Correspondant : Salima El Kolei Enseignement facultatif destiné aux élèves ingénieurs et attachés Objectif de la matière Cet enseignement est optionnel, chaque élève décidant ou non de le suivre, pour tout ou en partie, en fonction de son niveau. A l issue de cet enseignement, les élèves devront être tous remis au niveau demandé par le programme du concours, i.e. : la manipulation de nombres complexes, de suites (convergence et limite), connaître les fonctions usuelles ; savoir dériver et calculer un développement limité ; savoir déterminer des limites de fonctions et l ensemble de continuité d une fonction ; savoir calculer une intégrale, en utilisant des techniques de calcul telles que le changement de variables ou l intégration par partie ; savoir calculer des intégrales généralisées. Pour la partie d algèbre linéaire, les élèves sauront ce qu est un espace vectoriel, procéder à un changement de base, savoir faire du calcul matriciel, calculer des déterminants et inverser des matrices ; enfin ils sauront résoudre des systèmes d équations linéaires. Contenu de la matière Cet enseignement aura lieu sous forme de TD avec à disposition des élèves une banque d exercices reprenant chaque partie citée ci-dessus. Ils choisiront eux-mêmes les thèmes qu ils ont besoin de retravailler. Pré-requis Niveau requis au concours Ensai option économie. Documents pédagogiques Polycopié d algèbre linéaire et polycopié d analyse. Polycopié d exercices d algèbre et d analyse Références bibliographiques DEGRAVE, C., DEGRAVE, D. et MULLER, H., Analyse 1 ère année, Bréal DEGRAVE, C., DEGRAVE, D. et MULLER, H., Algèbre, Bréal GUERRIEN, B., Algèbre linéaire pour économistes, Economica (4 e éd.) PILLER, A., Algèbre linéaire pour économistes : manuel d exercices corrigés, Premium (2 e éd.) LECOUTRE, J.-P. et PILIBOSSIAN, P., Analyse, Dunod (4 e éd.) LECOUTRE, J.-P. et PILIBOSSIAN, P., Algèbre, Dunod (2 e éd.) PILLER, A., Analyse I, Premium (2 e éd.), Analyse II, Premium Langue d enseignement Français. 21

23 UE 1-01 E IS Matière 1ASTA02 Semestre 1 Algèbre Algebra Cours : 21h TD : 21h Enseignant : Damien Jacquemard Correspondant : Salima El Kolei Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Les élèves issus des concours interne et economie pourront passer à leur initiative une évaluation en début d année qui portera sur le programme d'algèbre. Les résultats de cette évaluation permettront aux enseignants d'accorder ou non une dispense pour cet enseignement. En fin de semestre, tous les élèves IES même ceux ayant été dispensés passeront l'examen. Seuls les points au dessus de la moyenne compteront. A l issue de cet enseignement, les élèves devront savoir diagonaliser une matrice, résoudre des équations de récurrence linéaires et orthonormaliser une base. Ils devront aussi être capables de reconnaître une matrice de projection et d en connaître ses propriétés. Contenu de la matière 1. Réduction des endomorphismes : valeurs propres, sous-espaces propres, critère de diagonalisabilité, polynôme caractéristique, matrices semblables, polynômes de matrices. 2. Suites vérifiant une relation de récurrence linéaire : définition, résolution par le polynôme caractéristique, résolution matricielle, exemple des moyennes mobiles en séries temporelles. 3. Produit scalaire et orthogonalité : formes bilinéaires, quadratiques, matrices symétriques définies positives, définition d un espace euclidien, du produit scalaire, norme, orthogonalité, bases orthogonales, orthonormées. 4. Projections : définition, propriétés en termes de rang, de matrices semblables, propriétés des matrices de ces applications sur un espace vectoriel normé, caractéristique en termes de norme, théorème de la projection orthogonale, application à la régression linéaire simple. Pré-requis Cet enseignement demande que tous les élèves maîtrisent la partie algèbre au programme du concours, ou aient suivi l enseignement de remise à niveau en mathématiques, en particulier en ce qui concerne les matrices (inversion, déterminants) et les nombres complexes. Contrôle des connaissances Un examen écrit d une durée de 2h, sans document. Chaque point au dessus de la moyenne augmentera de 0,2 point la moyenne du bloc. Il n y a pas de rattrapage de cet enseignement. Références bibliographiques NAKACHE, A. CHEVALIER, V. MORICE, Exercices commentés de mathématiques pour l analyse statistique des données, Dunod AZOULAY, J.AVIGNANT, G. AULIAC, Les mathématiques en licence, cours et exercices corrigés, tomes 1-3, Ediscience (3 e éd.) GUININ, B. JOPPIN, Tout-en-un : analyse-algèbre-géométrie, Bréal

24 JEREMY, P.MINEAU, J.C. THIENAUD, Algèbre I et II, Vuibert ARNAUDIES, LELONG-FERRAND, Cours de mathématiques I (Algèbre), Dunod (3 e éd.) Langue d enseignement Français. 23

25 UE 1-02 M E IS Matière 1ASTA03 Semestre 1 Optimisation et méthodes numériques Optimization and Numerical Methods Cours : 12h00 TD : 3h TP : 9h00 Enseignant : Thibaut Deheuvels Correspondant : Salima El Kolei Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Dans un premier temps, il s'agit d'acquérir les connaissances de base sur les problèmes d'optimisation, d'un point de vue théorique et d'un point de vue numérique (algorithmes élémentaires). Dans une deuxième partie, le cours permettra d'acquérir les outils fondamentaux de l'analyse numérique, qui interviennent fréquemment dans un grand nombre d'applications. Contenu de la matière 1. Optimisation : rappels de calcul différentiel et d'algèbre linéaire. Généralités sur l'optimisation et exemples. Optimisation sans contrainte : existence, conditions nécessaires, conditions suffisantes. Optimisation avec contraintes égalités ou inégalités : théorèmes des extrêma liés, théorème de Karush-Kuhn-Tucker. Algorithmes pour l'optimisation : méthodes de gradient. 2. Méthodes numériques : calcul approché d'intégrales. Résolution approchée des équations différentielles. Résolution de systèmes linéaires et non linéaires. Calcul approché de valeurs propres. Pré-requis Cet enseignement demande que tous les élèves maîtrisent le calcul différentiel ainsi que l algèbre linéaire. Contrôle des connaissances Un TP noté sur une séance d'1h30 et un examen écrit d une durée de 2h, sans document. Références bibliographiques ARNAUDIES, H. FRAYSSE, Cours de mathématiques (Analyse 2), Dunod (2 e éd.) GOURDON X., Algèbre, Ellipses (2 e éd.). Analyse, Ellipses (2 e éd.) HIRIART-URRUTY J-B., L'optimisation, Que sais-je? 1996 Langue d enseignement Français. 24

26 Enseignements de probabilités et de statistique 25

27

28 UE 1-02 M E IS Matière 1ASTA04 Semestre 1 Statistique exploratoire uni et bivariée Uni and Bivariate Data Analysis Cours : 10h30 TD : 3h TP : 9h Enseignant : Aude Grelaud (Ensai) Correspondant : Aude Grelaud Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière A l issue de cet enseignement, les élèves devront être capables d interpréter des chiffres, de résumer une masse d informations à l aide d indicateurs statistiques, d analyser une variable statistique selon sa nature ainsi que la liaison entre deux variables. Les logiciels utilisés en TP seront Sas et R. Contenu de la matière Partie I : étude d une variable Définitions de base : population, individu, variables Nature des variables : définition, représentation, tableaux, graphiques Paramètres de tendance centrale, de position et de dispersion Paramètres de forme et de concentration Identification empirique d une loi Partie II : liaison entre deux caractères Liaison entre deux caractères qualitatifs : tableau de contingence, statistique du Khideux et ses dérivés. Liaison entre deux variables quantitatives : coefficient de corrélation linéaire, régression simple Liaison entre une variable quantitative et une variable qualitative : coefficient de corrélation, analyse de la variance à un facteur Pré-requis Algèbre bilinéaire (matrice, projection orthogonale) pour la partie «régression simple». Contrôle des connaissances Un examen écrit d une durée de 2h30 sans document. Références bibliographiques PY B., Statistique descriptive, Economica, 2007 (5 e éd.). Langue d enseignement Français. 27

29 UE 1-01 M Matière 1ASTA05 Semestre 1 Math : Probabilités discrètes et calcul intégral Discrete Probability and Integral Calculus Cours : 16h30 TD : 15h Enseignant : Salima El Kolei (Ensai) Correspondant : Salima El Kolei Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière A l issue de cet enseignement, les élèves devront maîtriser les notions de mesure sur un espace abstrait, d'intégration par rapport à une mesure (intégrale de Lebesgue) et de probabilités discrètes. Ils sauront identifier les lois uselles. Contenu de la matière Chapitre 1. Espaces probabilisés Chapitre 2. Variables aléatoires réelles discrètes Chapitre 3. Espaces et fonctions mesurables Chapitre 4. Mesure et intégrale Chapitre 5. Compléments d intégration Pré-requis Cet enseignement s appuie sur les programmes d analyse (topologie, calcul intégral) et d algèbre (théorie des ensembles, algèbre linéaire) des classes de mathématiques spéciales. Contrôle des connaissances Un examen écrit de 2h, tous documents autorisés. Références bibliographiques La littérature fourmille d excellents livres d intégration et/ou de probabilités. La bibliothèque de l Ensai est une ressource remarquable, dont les élèves sont conviés à profiter au maximum. En particulier, le choix d un manuel se fait aussi en fonction d une affinité personnelle. Les références ci-dessous ne donnent donc que quelques exemples de manuels populaires, afin de faciliter l orientation dans une première recherche. J. HOFFMANN-JORGENSEN, Probability with a view towards statistics, Chapman & Hall, 1994 D. FOATA, A. FUCHS, Calcul des probabilités, Dunod, 2012 (3 e éd.) J. JACOD, Ph. PROTTER, L essentiel en théorie des probabilités, Cassini, 2003 G. GRIMMETT, D. STIRZAKER, Probability and random processes, Oxford, 2001 (3e éd) P. BILLINGSLEY, Probability and measure, Wiley, 1995 (3e éd.) D. REVUZ, Mesure et intégration, Méthodes, Hermann, 1997 Langue d enseignement Français. 28

30 UE 1-01 E IS Matière 1ASTA06 Semestre 1 IES : Probabilités discrètes et calcul intégral Discrete Probability and Integral Calculus Cours : 16h30 TD : 30h Enseignant : Jocelyn Julienne (Ensai) Correspondant : Jocelyn Julienne Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Compréhension du cheminement logique et des enjeux d'une démarche de modélisation probabiliste dans le cas élémentaire où le hasard ne prend qu'une quantité dénombrable de formes. Connaissance des lois discrètes classiques, et de leur maniement. Acquisition des notions de calcul intégral et de théorie de la mesure indispensables en préalable à l'étude générale de la théorie des probabilités Contenu de la matière 1. Introduction 2. Espaces de probabilités, variables aléatoires discrètes, lois usuelles 3. Conditionnement, indépendance, covariance 4. Mesures, ensembles boréliens, applications boréliennes, intégrale de Lebesgue 5. Théorèmes de convergence et d'interversion, espaces L p 6. Absolue continuité. Pré-requis Théorie élémentaire des ensembles. Séries à termes positifs. Calcul intégral réel. Contrôle des connaissances Un examen écrit de 2h30 sans document. Références bibliographiques D. FOATA, A. FUCHS, Calcul des probabilités, Dunod, 2012 (3 e éd.) P. TASSI, S. LEGAIT, Théorie des probabilités en vue des applications statistiques, Technip, 1990 M. LEFEBVRE, Cours et exercices de probabilités appliquées, PIP, 2003 (2 e éd.) G. GRIMMETT, D. STIRZAKER, Probability and random processes, Oxford, 2001 (3e éd) Langue d enseignement Français. 29

31 UE 1-01 M Matière 1ASTA07 Semestre 1 Math : Probabilités générales General Probability Cours : 27h00 TD : 27h00 TP : 3h Enseignant : François Coquet (Ensai) Correspondant : François Coquet Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière A l issue de cet enseignement, les élèves devront maîtriser les calculs de lois de variables aléatoires uni- ou multidimensionnelles, les notions de fonction caractéristique, de conditionnement et de convergence stochastique. Par ailleurs, ils devront être capables de simuler des lois de variables aléatoires. Il est indispensable de maîtriser parfaitement les notions probabilistes pour aborder efficacement tous les enseignements ultérieurs de statistique. Contenu de la matière Chapitre 1. Variables aléatoires réelles Généralités Classification des lois de probabilités sur R Intégration des variables aléatoires réelles Calcul de lois Simulation de lois Chapitre 2. Fonctions caractéristiques Transformation de Fourier Transformation de Fourier dans L2 Fonction caractéristique et moments Fonction caractéristique d un vecteur aléatoire Chapitre 3. Lois de probabilités sur Rn Généralités Moments Lois à densité Variables aléatoires indépendantes Transformation des vecteurs aléatoires à densité Loi normale dans R n Chapitre 4. Espérance conditionnelle Conditionnement par un événement Conditionnement par rapport à une variable aléatoire discrète Définition générale de l espérance conditionnelle Propriétés de l espérance conditionnelle Lois conditionnelles Point de vue hilbertien des espérances conditionnelles Inégalité de Jensen Lois normales conditionnelles Chapitre 5. Convergences stochastiques Convergence presque partout ou presque sûre Convergence presque uniforme Convergence en mesure ( ou probabilité ) 30

32 Convergence en moyenne quadratique Rapport entre les diverses convergences Convergence en moyenne d ordre p Chapitre 6. Convergence des lois de probabilité Convergence en loi Convergence des fonctions caractéristiques Théorèmes centraux-limites Lois des grands nombres Pré-requis Statistique 1. Contrôle des connaissances Un partiel de 1h30 (coefficient 1/4) et un examen écrit de 2h30 (coefficient 3/4), sans document. Références bibliographiques P. TASSI, S. LEGAIT, Théorie des probabilités en vue des applications statistiques, Technip, 1990 M. METIVIER, Notions fondamentales de la théorie des probabilités, Dunod, 1972 (2 e éd.) A. MONFORT, Cours de probabilités, Economica, 1996 (3 e éd.) J. HOFFMANN-JORGENSEN, Probability with a view towards statistics, Chapman & Hall, 1994 P. BILLINGSLEY, Probability and measure, Wiley, 1995 (3e éd.) W. FELLER, An introduction to probability theory and its applications, Wiley D. REVUZ, Mesure et intégration, Méthodes, Hermann, 1997 N. BOURBAKI, Eléments de mathématique. Intégration I. Chapters 1-6, Springer, 2004 Langue d enseignement Français. 31

33 UE 1-01 E IS Matière 1ASTA08 Semestre 1 IES : Probabilités générales General Probability Cours : 27h00 TD : 27h00 TP : 3h Enseignant : Laurent Rouvière (Ensai) Correspondant : Laurent Rouvière Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Généralisation des notions de probabilités discrètes aux lois continues. Connaissance des lois usuelles, et de leurs utilisations. Assimilation des méthodes de détermination et de manipulation des lois. Connaissance des grands théorèmes de convergence en vue des applications à la statistique. Contenu de la matière 1. Introduction. 2. Généralités sur les variables et vecteurs aléatoires. 3. Densité, fonction de répartition, moments, indépendance, covariance. 4. Lois usuelles. 5. Vecteurs gaussiens. 6. Pratique du calcul de lois (lois images, théorème de transfert, changements de variables). 7. Fonction caractéristique. 8. Conditionnement, espérance et variance conditionnelles. 9. Convergences stochastiques, lois des grands nombres et applications, Théorème central limite (TCL) et applications. Pré-requis Calcul intégral et théorie de la mesure. Notions d algèbre linéaire. Probabilités discrètes. Contrôle des connaissances Un partiel (coefficient 1/4) et un examen écrit (coefficient 3/4). Références bibliographiques D. FOATA, A. FUCHS, Calcul des probabilités, Dunod, 2012 (3 e éd.) G. GRIMMETT, D. STIRZAKER, Probability and random processes, Oxford, 2001 (3e éd) M. LEFEBVRE, Cours et exercices de probabilités appliquées, PIP, 2003 (2 e éd.) P. TASSI, S. LEGAIT, Théorie des probabilités en vue des applications statistiques, Technip, 1990 G. SAPORTA, Probabilités, analyse des données et statistique, Technip, 2011 (3 e éd.). Langue d enseignement Français. 32

34 UE 1-06 M Matière 1ASTA09 Semestre 2 Math : Modèles statistiques et estimation Statistical Modeling and Estimation Cours : 27h00 TD : 24h00 TP : 6h00 Enseignant : Myriam Vimond (Ensai) Correspondant : Myriam Vimond Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Maîtrise des notions générales relatives à l'inférence statistique sur un échantillon. Familiarité avec les estimateurs empiriques associés à un échantillon. Connaissance théorique et pratique des méthodes classiques d'estimation. Contenu de la matière 1. Caractéristiques stochastiques d'un échantillon : moments et fonction de répartition empiriques, statistiques d'ordre. 2. Modèles statistiques, vraisemblance, famille exponentielle. 3. Exhaustivité et information de Fisher. 4. Estimation ponctuelle, qualités d'un estimateur, biais, erreur moyenne quadratique, consistance, estimateur du maximum de vraisemblance, estimateur des moments, méthode Delta. 5. Admissibilité, fonction de risques, estimateur bayesien. 6. Intervalles de confiance Pré-requis Cours de Statistique 1 et 2. Contrôle des connaissances Un partiel (coefficient 1/4) et un examen écrit de 2h45 sans documents (coefficient 3/4). Références bibliographiques D. DACUNHA-CASTELLE, M. DUFLO, Probabilités et statistiques : problèmes à temps fixe, Masson, 1994 (2 e éd.) P. DAGNELIE, Théorie et méthodes statistiques, Presses Agronomiques Quel tome (3)? D. FOURDRINIER, Statistique inférentielle-cours et exercices corrigés. Dunod P. KAUFFMANN, Statistique : Information-Estimation-Tests. Dunod (épuisé) JP. LECOUTRE, Probabilités. Statistiques, Exercices corrigés avec rappel de cours, Ed. Masson E.L. LEHMANN, Theory of point estimation, Springer, 1998 (2nd ed.) J.K. LINDSEY, Parametric statistical inference, Oxford Science Publication, 1996 A. MONTFORT, Cours de statistique mathématique, Economica (3 e éd.) G. SAPORTA, Probabilités, analyse des données et statistique, Technip, Paris (3 e éd.) P. TASSI, Méthodes statistiques, Ed. Economica (3 e éd.) Langue d enseignement Français. 33

35 UE 1-06 E IS Matière 1ASTA10 Semestre 2 IES : Modèles statistiques et estimation Statistical Modeling and Estimation Cours : 27h00 TD : 24h00 TP : 6h00 Enseignant : Marian Hristache (Ensai) Correspondant : Marian Hristache Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière A l issue de cet enseignement, les élèves devront connaître les modèles statistiques standards et être capables de construire des estimateurs (d en étudier les propriétés) et des intervalles de confiance. Contenu de la matière 1. Intervalles de confiance. 2. Modèles statistiques, les familles exponentielles, statistiques exhaustives, vraisemblance, statistique d ordre. 3. Estimation Généralités : définition d un estimateur, la précision, l absence de biais, estimateur convergent, normalité asymptotique. 4. Caractéristique d un échantillon ; moments empiriques et fonction de répartition empirique. 5. Estimateur du maximum de vraisemblance, estimateur obtenu par la méthode des moments. 6. Inégalité de Cramer-Rao pour les estimateurs sans biais. 7. Amélioration d un estimateur. 8. Notions d estimateur bayésien et de risque minimax. Pré-requis Cet enseignement demande que tous les élèves maîtrisent le cours de Statistique 1 et 2. Contrôle des connaissances Un contrôle continu (coefficient 1/4) et un examen écrit d une durée de 2h30 (coefficient 3/4) sans documents. Références bibliographiques D. FOURDRINIER, Statistique inférentielle-cours et exercices corrigés. Dunod P. KAUFFMANN, Statistique : Information-Estimation-Tests. Dunod (épuisé) J.K. LINDSEY, Parametric statistical inference, Oxford Science Publication, 1996 G. SAPORTA, Probabilités, analyse des données et statistique, Technip, Paris (3 e éd.) P. TASSI, Méthodes statistiques, Ed. Economica (3 e éd.) Langue d enseignement Français. 34

36 UE 1-06 M Matière 1ASTA11 Semestre 2 Math : Tests Statistical Hypotheses Testing Cours : 15h00 TD : 15h00 TP : 9h00 Enseignant : Nicolas Klutchnikoff (Ensai) Correspondant : Nicolas Klutchnikoff Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Utilisation des notions d estimation pour la construction de tests statistiques. Compréhension du cheminement de la construction d un test et des enjeux de sa mise en œuvre. Connaissance des tests classiques et du cadre de leur application. Assimilation de notions théoriques sur les tests paramétriques. Contenu de la matière 1. Introduction. 2. Tests purs et tests aléatoires, erreurs liées à un test, définitions. 3. Tests et intervalles de confiance. 4. Tests paramétriques de base. 5. Théorie des tests paramétriques : tests uniformément plus puissants, méthode de Neyman-Pearson, rapport de vraissemblance monotone. 6. Test de rapport de vraissemblance maximale. 7. Tests non paramétriques usuels. Pré-requis Toutes notions de probabilités discrètes et générales. Modèles statistiques et estimation ponctuelle : maximum de vraisemblance, méthode des moments. Estimation par intervalles de confiance. Contrôle des connaissances Un examen écrit de 2h30. Références bibliographiques G. CASELLA, R. L. BERGER Statistical inference (2e éd.) D. FOURDRINIER, Statistique inférentielle, Dunod A. MONTFORT, Cours de Statistique mathématique, Economica (3 e éd.) G. SAPORTA, Probabilités, analyse des données et statistique, Technip (3 e éd.) P. TASSI, Méthodes statistiques, Economica (3 e éd.) Langue d enseignement Français. 35

37 UE 1-06 E IS Matière 1ASTA12 Semestre 2 IES : Tests Statistical Hypotheses Testing Cours : 15h00 TD : 15h00 TP : 9h00 Enseignant : François Coquet (Ensai) Correspondant : François Coquet Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière A l issue de cet enseignement, les élèves devront connaître la théorie des tests d hypothèses. Les tests paramétriques et non paramétriques classiques devront être maîtriser aussi bien d un point de vue théorique que pratique. Contenu de la matière 1. Tests d hypothèses généralités 2. Tests classiques de conformité ou d égalité : moyenne, variance, proportion. 3. Construction de tests paramétriques : méthode de Neyman-Pearson, rapport monotone des vraisemblances, rapport de vraisemblance maximale 4. Les tests non-paramétriques : chi-deux, Kolmogorov-Smirnov Pré-requis Cet enseignement demande que tous les élèves maîtrisent le cours de Statistique 1, 2 et 3. Contrôle des connaissances Un examen écrit d une durée de 2h30, tous documents autorisés. Références bibliographiques Les mêmes que pour celles de Statistique 3, on peut également citer : D. DACUNHA-CASTELLE, M. DUFLO, Probabilités et statistiques : problèmes à temps fixe, Masson, 1994 (2 e éd.) P. DAGNELIE, Théorie et méthodes statistiques, Presses Agronomiques Quel tome (3)? D. FOURDRINIER, Statistique inférentielle-cours et exercices corrigés. Dunod P. KAUFFMANN, Statistique : Information-Estimation-Tests. Dunod (épuisé) JP. LECOUTRE, Statistique et probabilités : TD, Dunod (5 e éd.) E.L. LEHMANN, Theory of point estimation, Springer, 1998 (2nd ed.) J.K. LINDSEY, Parametric statistical inference, Oxford Science Publication, 1996 A. MONTFORT, Cours de Statistique mathématique, Economica (3 e éd.) G. SAPORTA, Probabilités, analyse des données et statistique, Technip (3 e éd.) P. TASSI, Méthodes statistiques, Economica (3 e éd.) B. YCART, Estimation paramétrique : tests statistiques, Cahiers de mathématiques appliquées n 5-6, Centre de Publication Universitaire Langue d enseignement Français 36

38 UE 1-06 M E IS Matière 1ASTA13 Semestre 2 Statistiques avec R R for Statistics TP 21h00 Enseignant : Myriam Vimond (Ensai) Correspondant : Myriam Vimond Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière R est devenu un outil incontournable de calcul statistique et de visualisation des données tant dans le monde universitaire que dans le monde de l entreprise. R est un logiciel gratuit et Open source (cran.r-project.org/). R est un logiciel complet, extensible via un grand nombre de paquets qui permettent une analyse statistique à tous les niveaux - du plus simple au avancés - et dans de nombreux domaines, y compris la médecine, génétique, biologie, sciences de l'environnement, la géologie, les sciences sociales et bien plus encore. R est en essor permanent, bénéficiant d une communauté scientifique active assurant sa maintenance, et ses mises à jour Ce cours a pour objectif d introduire le langage de R en vue de l analyse et l exploration des données. Contenu de la matière 1. Les bases de R : l'environnement R, les objets, les fonctions de base 2. Les données avec R 3. Les graphiques 4. Eléments de programmation 5. Méthodes de Monte Carlo et Statistique Bayésienne Pré-requis Les cours de probabilités et de statistiques de 1A. Il est demandé à ce que chaque séance de TP fasse l objet d une travail personnel préalable. Contrôle des connaissances Contôle sous la forme d un TP noté ou sur feuille selon les possibilité. Durée 1 heure. Modalités à définir ulterieurement. Références bibliographiques The Comprehensive R Archive Network (CRAN), (cran.r-project.org) R Development Core Team (2008). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN , URL Paradis E., R pour les débutants (cran.r-project.org/doc/contrib/paradis-rdebuts_fr.pdf) Y. Cohen, J-Y. Cohen, Statistics and Data with R: An Applied Approach Through Examples (2008),Wiley P.A. Cornillon, A. Guyader, F. Husson, N. Jégou, J. Josse, M. Kloareg, E. Matzner-Løber, L. Rouvière (2013). Statistiques avec R, 3e édition augmentée et en couleurs, Presses Universitaires de Rennes, France.. Langue d enseignement Français. 37

39 UE 1-07 M E IS Matière 1ASTA14 Semestre 2 Projet de statistique Project in Statistics Projet : 30 heures dont 3h00 de suivi Enseignant : Divers intervenants Correspondant : Laurent di Carlo Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Le but de ce projet tutoré est la réalisation d une étude statistique menée sur des données réelles. Le travail s échelonne sur une durée de 2 mois environ et s organise par groupe de 3 ou 4 élèves suivis régulièrement par un tuteur et un coach. Le projet permet d appliquer et d approfondir les connaissances probabilistes et statistiques acquises en cours de théorie des probabilités, statistique inférentielle, statistique uni et bivariée. Il fait également appel aux enseignements d Introduction au système Sas, d introduction à R et de macros Sas. Parmi ces méthodes, les élèves doivent choisir et utiliser les outils adaptés à la problématique posée. Pré-requis Seub et statistiques 1 à 4, Sas et R. Contrôle des connaissances Un rapport écrit et une soutenance devant un jury composé d'un président, d un expert en communication et du tuteur du projet. Références bibliographiques Seront données par chacun des tuteurs. Langue d enseignement Français. 38

40 UE 1-07 M E IS Matière 1AHUM10 Semestres 1 et 2 Communication écrite et orale adaptée au projet statistique Written and Oral Communication for the Project in Statistics Cours : 3h TD : 3h Coaching : 4h Enseignant : Divers intervenants, professionnels du recrutement Correspondant : L. Di Carlo Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Cette séquence d enseignement sensibilise les élèves aux règles de communication écrites et orales appliquées à une étude statistique. Elle leur donne aussi un mode opératoire pour prendre en main leur projet statistique. Contenu de la matière Un cours magistral sur la prise en main du projet statistique : - étapes à respecter ; - règles du travail de groupe ; - principes de la note de problématique (objectif, contenu ) ; - les grands principes d une communication professionnelle efficace (écrit et oral). Le TD vise à aider les étudiants à cerner la problématique de leur projet, l inscrire dans son contexte et trouver un fil conducteur pour y répondre. Les séances de coaching sont organisées par groupe de projet et permettent de vérifier l acquisition des orientations retenues en matière de présentation, recul, forme. Elles sont conçues comme une aide pour les étudiants dans la conduite de leur projet. Pré-requis Aucun. Contrôle des connaissances Rédaction d une note d étape intégrée au projet statistique. Références bibliographiques Elles seront données en cours. Langue d enseignement Français. 39

41

42 Enseignements d informatique 41

43

44 UE 1-02 M E IS Matière 1AINF01 Semestre 1 Introduction au système Sas Sas Language Cours : 6h00 TP : 18h00 Enseignant : Jean-François Portier (Ensai) Correspondant : Jean-François Portier Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière L'objectif du cours est d'acquérir les bases de ce logiciel qui est utilisé par plusieurs enseignements en première et deuxième année. A l'issue du cours, les élèves devront savoir : importer des données extérieures au format Sas, manipuler des données Sas (création, modification de variables et de tables), agréger des données (tri, sélection, fusion, concaténation), faire des calculs statistiques de base et des graphiques, exporter et présenter des résultats proprement (ODS). Contenu de la matière 1. Présentation du logiciel Sas 2. Création de tables, importation de fichier externes 3. Procédures d'impression, de visualisation de contenu et de tri 4. Manipulations de tables 5. Formats 6. Procédures statistiques de base 7. Procédures graphiques 8. Exportation des résultats Pré-requis Aucun. Contrôle des connaissances La notation est calculée à partir de deux éléments : la moyenne de deux TP notés qui représente 25 % de la note finale et un examen sur table de 2 h qui représente 75 % de la note finale. Documents pédagogiques Support du cours et documentation en ligne. Références bibliographiques Sas language reference : dictionary, version 8 - Sas Institute. Sas Institute Cary (C) Sas procedures guide, version 8 - Sas Institute. Sas Institute Cary (C) Sas-STAT user's guide : version 8 - Sas Institute. Sas Institute Cary (C) Sas : maîtriser Sas Base et Sas Macro Sas 9.2 et versions antérieures H. KONTCHOU KOUOMEGNI, O. DECOURT. Dunod (2 e éd.) Output delivery system : the basics - Lauren E. Haworth - Sas Institute. Cary (C) 2001 Langue d enseignement Français. 43

45 UE 1-02 M E IS Matière 1AINF02 Semestre 1 Sas avancé Advanced SAS Cours : 1h30 TP : 9h00 Enseignant : Jean-François Portier (Ensai) Correspondant : Jean-François Portier Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière L objectif du cours est de maîtriser la Procédure SQL de Sas. De savoir automatiser et paramétrer des traitements à partir du macro langage Sas : créer et manipuler des macro variables, macro programmes et macro fonctions. Contenu de la matière 1. Utilisation de SQL avec SAS 2. Définition du macro langage 3. Éléments du macro langage : macro variables, macro instructions, macro fonctions et macro programmes. 4. Étape data et macro langage 5. Portée des variables 6. Stockage des macro programmes 7. Déboggage des programmes 8. Macro langage et procédure SQL Pré-requis Avoir suivi le cours et les TP d introduction au système Sas. Contrôle des connaissances Un examen sur table de 2h. Tous documents autorisés. Documents pédagogiques Support du cours. Références bibliographiques Sas Macro Language Reference Sas Institute, Langue d enseignement Français. 44

46 UE 1-03 M E IS Matière 1AINF03 Semestre 1 Algorithmique et programmation Algorithms Design and Programming Cours : 7h30 TD : 4h30 TP : 19h30 Enseignant : Laurence Duval (Ensai) et Samuel Toubon (Ensai) Correspondant : Samuel Toubon Enseignement destiné aux élèves ingénieurs et attachés Etant donnée la diversité des niveaux des étudiants à l entrée de l école en terme de programmation, des TD/TP complémentaires seront dispensés aux étudiants ayant jamais ou très peu programmé. Ceux ayant une expérience en programmation suivront un enseignement de découverte de l environnement de développement informatique. Objectif de la matière Maîtriser les bases de l'algorithmique, connaître les principales structures de données et quelques algorithmes fondamentaux. Etre capable d'organiser un traitement complexe en le découpant en procédures et fonctions. Pouvoir implémenter des algorithmes en utilisant la syntaxe du langage Java et mettre au point les programmes écrits dans une démarche de lisibilité et de réutilisabilité. Contenu de la matière Algorithmique et programmation 1. Introduction au développement de logiciels informatiques 2. Types de données simples et structurées 3. Structures algorithmiques 4. Procédures et fonctions, récursivité 5. Programmation 6. Traduction des structures algorithmiques 7. Analyse descendante 8. Organisation des données : traitement de séquences 9. Gestion des fichiers 10. Algorithmes de tri 11. Introduction aux traitements graphiques Ingénierie du développement informatique 1. Codage des données 2. Systèmes de fichiers 3. Complexité des algorithmes 4. Programmation 5. Traduction des structures algorithmiques 6. Analyse descendante 7. Types de données complexes 8. Organisation des données : traitement de file 9. Algorithmes de tri 10. Utilisation de web services Pré-requis Aucun. Contrôle des connaissances 3 TP notés. Un examen de 2 heures. Le polycopié du cours est autorisé pendant les épreuves. La note finale est une pondération de 25% de la note de TP et de 75 % de la note d'examen. Documents pédagogiques Support du cours Références bibliographiques 45

47 T. CORMEN, C. LEISERSON, R. RIVEST Introduction à l algorithmique, Dunod (2 e éd.) R. MALGOUYRES, Initiation à l'algorithmique et à la programmation en C. Dunod (2 e éd.) A. TANENBAUM, Systèmes d exploitation, Pearson 2008 (2 e éd.) A. TANENBAUM, Architecture de l ordinateur Dunod 2001 (4 e éd.) Langue d enseignement Français. 46

48 UE 1-08 M E IS Matières 1AINF04, 1AINF05, 1AINF06 Semestre 2 Modélisation avec UML Programmation orientée objet avec Java Atelier modélisation et prog. orientée objet Modeling with UML Object-Oriented Programming Cours : 3h + 4h30 TD : 10h30 TP : 27h00 Atelier: 18h (répartition horaire susceptible d évoluer du fait du changement d enseignant). Enseignant : Yann Busnel (Ensai) Correspondant : Yann Busnel Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Être capable de concevoir de bout en bout une application à partir de spécifications écrites sous le formalisme UML. Comprendre la difficulté de formaliser un traitement à réaliser, comprendre l importance de définir une modélisation à respecter et d exploiter au mieux la syntaxe descriptive proposée par UML. Réaliser des implémentations soumises aux normes et usages de la programmation objet permettant ainsi de créer des applications plus faciles à maintenir. Comprendre les concepts de la programmation objet en concevant des classes simples, éventuellement organisées de façon hiérarchique en vue d utiliser la puissance du polymorphisme. Réaliser un logiciel au sein d une petite équipe de 4 membres à partir d une interface minimale fournie. Toutes ces notions seront assimilées par l intermédiaire du langage Java, de l environnement Eclipse et d un logiciel graphique pour UML. Contenu de la matière 1. Pourquoi modéliser? 2. Présentation d'uml 3. Les principaux diagrammes UML 4. Pourquoi l approche objet 5. Classe, instance et objet 6. Héritage, classes abstraites et interfaces 7. Polymorphisme et généricité Pré-requis Algorithmique. Contrôle des connaissances Contrôle continu : deux partiels individuels d 1h30, un logiciel à présenter par groupe de 4. Examen : deux devoirs sur table d'une durée de 1h30 chacun, tout document autorisé. Références bibliographiques BOOCH, RUMBAUGH, JACOBSON. The Unified Modeling Language User Guide, Addison- Wesley, 2005 (2 nd ed.) (traduction française chez Eyrolles), The Unified Software Development Process, Addison Wesley, 1999 (traduction française chez Eyrolles) P. ROQUES, F. VALLEE. UML2 par la pratique, Eyrolles (7 e éd.) C. Delannoy, Programmer en java, Eyrolles (8 e éd.) B. ECKEL, Thinking in Java, Prentice Hall, 2006 (4th ed.), voir aussi la version française Langue d enseignement Français. 47

49 UE 1-03 M E IS Matière 1AINF07 Semestre 1 Bases de données relationnelles Relational Databases Cours : 7h30 TD : 6h00 TP : 15h00 Enseignant : Laurence Duval (Ensai) Correspondant : Laurence Duval Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Maîtriser la conception de bases de données relationnelles normalisées (3ème forme normale). Pouvoir concevoir une base de données relationnelles normalisée en modélisant avec UML. Connaître les principaux opérateurs de l'algèbre relationnelle et leur mise en œuvre en SQL. Etre capable de créer une base de données relationnelle et ses principales contraintes d intégrité en utilisant un système de gestion de bases de données (SGBD) avec le langage SQL. Comprendre le fonctionnement d'un système de gestion de bases de données (gestion des transactions, droit d'accès). Contenu de la matière 1. Présentation des SGBD et de leur utilisation 2. Définition des bases de données relationnelles 3. Conception et normalisation (utilisation de UML) 4. Passage du modèle UML à la base de données relationnelle 5. Création d'une base de données avec SQL 6. Algèbre relationnelle 7. Le langage de manipulation de données de SQL La mise en pratique est réalisée avec le SGBD PostgreSQL. Pré-requis Aucun. Contrôle des connaissances Le contrôle continu est composé de 3 quiz en début de 3 TP. La matière est également évaluée par un exeman écrit final de 2h. La note finale est une pondération de 25% de la note de contrôle continu et de 75 % de la note d'examen. Références bibliographiques DELOBEL C., ADIBA M. (1982), Bases de données et systèmes relationnels, Dunod Informatique. GARDARIN G.,(2003), Bases de données : les systèmes et leurs langages, Eyrolles. GARDARIN G.,(1993), Maîtriser les bases de données, Eyrolles. MIRANDA S., BUSTA J.M. (1993), Introduction aux bases de données, Eyrolles (3 e éd.). SOUTOU C. (2002), De UML à SQL, Eyrolles. BOUDJLIDA N. (1999), Bases de données et systèmes d'informations, Eyrolles. Langue d enseignement Français. 48

50 M E IS Matière 1AINF08 Semestre 2 Outils bureautiques pour le statisticien Tools and Software for Statisticians TP : 9h00 Enseignant : Laurence Duval (Ensai) Correspondant : Laurence Duval Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Le langage Latex permet de produire des documents de qualité et d intégrer facilement des fomules, des shémas dans ceux-ci. Cet enseignement a pour but de sensibiliser les étudiants à la puissance de ce langage et à leur donner les élements pour progresser en autonomie dans l usage de cet outil pour la production des différents documents : note de synthèse, rapport, présentation Par ailleurs, Excel est un logicel très utilisé par les statisticiens en complément d outils plus complexes. Dans cet enseignement les étudiants découvriront les bases d un tableur. Contenu de la matière 1. Latex a. Les bases du langage b. Les principaux modules Latex c. Exemple de réalisation : la note de synthèse d. Réalisation d une présentation avec le module Beamer 2. Excel a. Organisation d un tableur et les ifférents modes de référencement des cellules b. Gestion des formules c. Les tris d. Réalisation de graphiques Pré-requis Aucun. Contrôle des connaissances Latex est utilisé pour produire le rapport du projet statistique. L évaluation de cette matière est intégrée à celle du projet statistique et ne fait pas l objet de note à part entière. Références webographiques Langue d enseignement Français. 49

51

52 Ensai Programme des enseignements de 1 ère année Enseignements d économie, sciences sociales et gestion 51

53

54 Ensai Programme des enseignements de 1 ère année UE 1-09 E Matière 1AECO01 Semestre 2 Projet d'économie Personal Project in Economic Theory Projet : 3h Enseignant : Stéphane Auray (Ensai) Correspondant : Stéphane Auray Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière L objectif est de savoir effectuer une analyse critique d une problématique particulière de la théorie économique. Cette analyse requiert une étude rigoureuse et approfondie d un ou plusieurs articles mis à disposition, ainsi que la mobilisation de connaissances préalablement acquises en économie théorique. Elle suppose également une bonne appropriation des différentes ressources documentaires mises à disposition par l école. Contenu de la matière Les élèves, répartis en binômes, rédigent une note de synthèse critique d'un article ou d'un chapitre d'ouvrage en langue anglaise. Cette note présente la problématique étudiée dans le support documentaire, les principales notions et résultats qui y apparaissent, et en offre commentaires et discussion fondés sur leur connaissances préalables et/ou sur un ensemble de lectures complémentaires. Le projet est à mener sur le 1 er semestre et à rendre au début du 2 ème semestre.il compte dans la notation du second semestre. Pré-requis Niveau L2 en microéconomie et macroéconomie. Contrôle des connaissances L évaluation porte sur la qualité du rapport écrit (caractère pédagogique et rigueur scientifique de la présentation, richesse et pertinence des commentaires). Références bibliographiques Articles distribués au cours de la première séance. Langue d enseignement Anglais pour les ressources documentaires et français pour la rédaction du rapport. 53

55 Ensai Programme des enseignements de 1 ère année UE 1-09 M E IS Matière 1AECO02 Semestre 1 Modélisation microéconomique 1 Microeconomic Theory 1 Cours : 18h00 TD : 09h00 Enseignant : Nicolas Lepage-Saucier (Ensai) Correspondant : Nicolas Lepage-Saucier Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière L objectif est d acquérir une bonne compréhension des problématiques générales de l analyse microéconomique classique (théorie du consommateur, théorie du producteur, fonctionnement des marchés concurrentiels, optimum social), qui se mesure par la maîtrise de la construction et de la résolution de modèles simples en information parfaite. En particulier, les élèves devront pouvoir étudier les effets de certaines politiques d intervention sur les marchés au moyen de modèles pertinents d équilibre partiel ou général. Contenu de la matière Introduction 1.Théorie du consommateur a.le consommateur Contraintes budgétaires Préférences et Utilité Choix du consommateur b.fonction de demande Demande Équation de Slutsky c.applications Offre de travail Choix intertemporels Choix sous incertitude Surplus du consommateur d.demande de marché et équilibre partiel 2.Théorie du producteur a.le producteur Technologie Maximisation des profits Minimisation des coûts Courbes de coût b.fonction d'offre de court terme et de long terme Offre de la firme Offre de la branche 3.L'équilibre du marché concurrentiel a. Variation compensatoire et variation équivalente b. L efficacité du marché compétitif c. Les taxes à la consommation et autres interventions sur les march.s Pré-requis Les élèves doivent maîtriser les notions simples d analyse (continuité, calcul différentiel, convexité), ainsi que la résolution de programmes élémentaires d optimisation. Les élèves provenant du cursus économie pourront être dispensés sur demande des 6 premières heures de cours et des 3 premières heures de TD. 54

56 Ensai Programme des enseignements de 1 ère année Contrôle des connaissances Un contrôle en début de parcours Un examen écrit d une durée de 2h, sans document. Références bibliographiques Hal Varian (2010). Introduction à la microéconomie, 6e édition, De Boeck. Hal Varian (2008). Analyse microéconomique, 3e édition, De Boeck. Langue d enseignement Français. 55

57 Ensai Programme des enseignements de 1 ère année UE 1-09 M E IS Matière 1AECO03 Semestre 2 Modélisation microéconomique 2 Microeconomic Theory 2 Cours : 18h00 TD : 06h00 Enseignant : Nicolas Lepage-Saucier (Ensai) Correspondant : Nicolas Lepage-Saucier Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière L objectif est d étendre les modèles du marché concurrentiel étudiés dans le cours de modélisation microéconomique 1 à un ensemble de thèmes connexes fondamentaux en économie, notamment les conditions qui nuisent à l efficacité des marchés. Les élèves devront pouvoir étudier jeter un regard critique sur les suppositions introduites dans les modèles et faire le lien entre une problématique économique spécifique et la façon de modéliser l environnement économique, les objectifs et l information des agents. Contenu de la matière 1. L information a. Le problème de l asymétrie de l information b. Le problème de l incitation c. Application à l assurance 2. La concurrence imparfaite a. Le monopole b. L oligopole L oligopole de Cournot L oligopole de Bertrand c.la concurrence monopolistique 4. L équilibre général a. L efficacité au sens de Pareto b. L équilibre de Walras c. Les deux théorèmes du bien-être 5. Fondements de l'intervention publique a. Externalités b. Biens publics 6. Introduction à la théorie des jeux Pré-requis Les élèves doivent avoir pris le cours de modélisation microéconomique 1, ou s assurer d en maîtriser les concepts. Contrôle des connaissances Un contrôle en début de parcours Un examen écrit d une durée de 2h, sans document. Références bibliographiques Hal Varian (2010). Introduction à la microéconomie, 6e édition, De Boeck. Hal Varian (2008). Analyse microéconomique, 3e édition, De Boeck. Langue d enseignement Français. 56

58 Ensai Programme des enseignements de 1 ère année UE 1-09 M E IS Matière 1AECO04 Semestre 1 Modélisation macroéconomique 1 Macroeconomic Theory 2 Cours : 18h TD : 6h00 Enseignant : Stéphane Auray (Ensai) Correspondant : Stéphane Auray Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Il s agit ici d étudier une série de problèmes macroéconomiques contemporains à l aide de modèles théoriques en partie déjà étudiés dans le cours de modélisation macroéconomique I. En effet, la théorie économique est utile pour interpréter des événements (la «réalité» n apparaît pas directement) mais en même temps, ces événements vont permettre de voir quelle est la «bonne théorie» pour les comprendre. Le cours consistera en une présentation théorique et formelle des principaux modèles qui seront ensuite principalement utilisés dans le cadre des études de cas des principaux problèmes macroéconomiques contemporains comme par exemple la persistance du chômage en Europe. Contenu de la matière Chapitre 1 : Une vue globale des grandeurs macroéconomiques Chapitre 2: Marché du travail et chômage en Europe 1. Définitions et caractéristiques du marché du travail français 2. L analyse classique du marché du travail 3. Chômage keynésien 4. Modèle insider-outsider: un exemple de rigidité endogène 5. Les modèles de recherche et d appariement Chapitre 3 : La courbe de Phillips --Le moyen terme 1. Inflation, inflation anticipée et chômage 2. La courbe de Phillips 3. Les années 70 et Les différences entre pays Chapitre 4: Débats sur le rôle des politiques économiques 5. Incertitude sur les effets des politiques économiques 6. Anticipations et interactions entre décideurs et agents privés 7. Existe-t-il un cycle politique? Chapitre 5: La dette publique 8. La taille de la dette publique 9. Déficit et dette : la contrainte budgétaire de l État 10. Problèmes de mesure 11. Soutenabilité de la dette publique 12. L approche «traditionnelle» de la dette publique 13. L équivalence ricardienne 14. Autres considérations relatives à la dette publique Contrôle des connaissances Un examen écrit de 2h, sans document. Références bibliographiques Barro R., 2008, Macroeconomics, MIT Press O. Blanchard et D. Cohen, Macroéconomie, Pearson Education, 2010 (5 e édition) 57

59 Ensai Programme des enseignements de 1 ère année Hairault J.O. (sous la direction de), 2000, Analyse macroéconomique, Tome 1, La Découverte. Mankiw G., (2010), Macroéconomie (5e édition), De Boeck Langue d enseignement Français. 58

60 Ensai Programme des enseignements de 1 ère année UE 1-09 M E IS Matière 1AECO05 Semestre 2 Modélisation macroéconomique 2 Macroeconomic Theory 2 Cours : 18h TD : 9h00 Enseignant : Samuel Danthine (Ensai) Correspondant : Samuel Danthine Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Il s agit ici d étudier une série de problèmes macroéconomiques contemporains à l aide de modèles théoriques s appuyant sur la modélisation des comportements microéconomiques vue en Modélisation Microéconomique 1, et de contraster ceci aux enseignements des modèles macroéconomiques vus en Modélisation Macroéconomique 1. En effet, la théorie économique est utile pour interpréter des événements (la «réalité» n apparaît pas directement) mais en même temps, ces événements vont permettre de voir quelle est la «bonne théorie» pour les comprendre. Le cours consistera en une présentation théorique et formelle des principaux modèles qui seront ensuite principalement utilisés dans le cadre des études de cas des principaux problèmes macroéconomiques contemporains comme par exemple la persistance du chômage en Europe. Contenu de la matière Chapitre 1: Production et Emploi Chapitre 2: Incertain et attentes Chapitre 3: Chômage Chapitre 4: Consommation et épargne Chapitre 5: Politique fiscale Chapitre 6: Capital et investissement Chapitre 7: Monnaie et inflation Pré-requis Les cours de modélisation macroéconomique 1 de modélisation microéconomique 1 sont supposés connus. Contrôle des connaissances Examen écrit de 2h, sans document. Références bibliographiques Andolfatto D., 2008, Macroeconomic Theory and Policy, 2 nd édition. (Free download) Barro R., 2008, Macroeconomics, MIT Press O. Blanchard et D. Cohen, Macroéconomie, Pearson Education, 2010 (5 e édition) Hairault J.O. (sous la direction de), 2000, Analyse macroéconomique, Tome 1, La Découverte. Mankiw G., (2010), Macroéconomie (5e édition), De Boeck Williamson S. (2014) Macroeconomics (5th édition), Pearson Langue d enseignement Français. 59

61 Ensai Programme des enseignements de 1 ère année UE 1-10 M E IS Matière 1AECO06 Semestre 2 Principes de gestion des organisations Fundamentals of Management Cours : 10h30 Enseignant : Florence Villa (Université de Haute Bretagne) Correspondant : Stéphane Auray Enseignement destiné aux élèves Ingénieurs Objectif de la matière Gérer une entreprise comprend de multiples aspects : connaître et influencer le marché, réunir et gérer les capitaux, maîtriser l information, mobiliser et organiser les hommes, mettre en place en système de contrôle de gestion, utiliser le droit comme outil de gestion, définir une politique et une stratégie. C est à ces divers aspects que ce cours entend initier les élèves. Contenu de la matière 1. Les rôles des organisations 2. Les théories organisationnelles 3. La prise de décision 4. Le pilotage et le contrôle Pré-requis Aucun. Contrôle des connaissances Un examen écrit d une durée de 1h30, sans document. Documents pédagogiques Support du cours Références bibliographiques Bressy, G., Konkuyt, C. (2006), Management et économie des entreprises (9 e éd.) Sirey. Coculla, F. (2008), Initiation à la gestion d entreprise (4 e éd.), Dunod Cohen E. (2001), Dictionnaire de gestion (3 e éd.), Repères La découverte Darbelet M., Izard L., Scaramuzza M. (2006), Notions fondamentales de gestion d entreprise (5 e éd. ), Foucher Le Duff R. (1999), Encyclopédie de la gestion et du management, Dalloz. Langue d enseignement Français. 60

62 Ensai Programme des enseignements de 1 ère année UE 1-10 M E IS Matière 1AECO08 Semestre 2 Démographie Demographics Cours : 21h00 Enseignant : Laurent Di Carlo (Ensai) Correspondant : Laurent Di Carlo Enseignement destiné aux élèves Attachés Objectif de la matière L objectif est de comprendre les enjeux de l analyse démographique, d en connaître et maîtriser les outils et indicateurs, de savoir appréhender les caractéristiques actuelles des démographies française et mondiales, ainsi que de comprendre la construction des modèles principaux qui permettent de décrire et d analyser la dynamique d une population. Contenu de la matière 1. Introduction à la démographe 1.1. Définition 1.2. Histoire de la démographie 1.3. Des bases de données démographiques 2. La croissance de la population 2.1. Croissance absolue et croissance relative 2.2. Les facteurs d'évolution de la population : l'équation fondamentale 2.3. Évolution de la population en france sur longue période 2.4. La démographie des régions françaises 3. Outils de la démographie 3.1. La pyramide des âges 3.2. L'âge 3.3. Le diagramme de lexis 4. L'analyse de la fécondité 4.1. Les facteurs influençant le niveau des naissances 4.2. Le taux brut de natalité 4.3. Le taux de fécondité global 4.4. Le taux de fécondité par âge 4.5. L'indicateur conjoncturel de fécondité 4.6. L'âge moyen à la maternité 4.7. La descendance finale 4.8. Le taux brut de reproduction 4.9. Le taux net de reproduction 5. L'analyse de la mortalité 5.1. Taux brut de mortalité 5.2. Les taux de mortalité par âge 5.3. La standardisation des taux de mortalité 5.4. La mortalité infantile 5.6. La table de mortalité 5.7. L'espérance de vie 5.8. Les causes de la mortalité 6. Les indicateurs de développement humain (ONU) 7. La transition démographique Pré-requis Aucun. Contrôle des connaissances Un examen écrit d'une durée de 2h sans document. 61

63 Ensai Programme des enseignements de 1 ère année Références bibliographiques PNUD, rapport sur le développement humain, 2013 Catherine Rollet, Introduction à la démographie, 3 e édition, Armand Colin, 2011 Jean-Claude Chesnais, la démographie, Que sais-je, PUF, 2010 Gabriel Poulalion et Georges Pupion, Analyse démographique, L Harmattan, 2009 Jacques Vallin, La démographie, Etude (poche), collection repères, La Découverte, 2002 Langue d enseignement Français. 62

64 Ensai Programme des enseignements de 1 ère année UE-10 M Matière 1AECO07 Semestre 2 Gestion de projets Project Management Cours : 6h Atelier : 4h Enseignant : Didier DAZY Correspondant : Laurent DI CARLO Objectif pédagogique Permettre aux étudiants d agir en véritable chef de projet par l acquisition et l appropriation d un ensemble d outils et méthodologies pour le management d équipe, la formalisation, planification, pilotage et mise en œuvre d un projet. Contenu de la matière - Les concepts de base de la gestion de projet. - Outils et apports méthodologiques : qu est-ce qu un projet, les questions fondamentales pour formaliser son projet, la gestion et conduite de projet - Focus sur les étapes d un projet, la clarification d un besoin, définition des objectifs, gestion du temps, planning GANTT - Pilotage du projet : management, constitution de l équipe projet, la gestion du temps, - La communication, présentation et validation du projet. Communiquer autour de son projet : évaluation du projet, forger les outils de communication, capitaliser les bonnes pratiques Pré-requis Aucun Contrôle des connaissances Travaux de synthèse en groupe sur la conduite effective d un projet; remise du document final ; l évaluation se faisant sur la capacité à mettre en œuvre les méthodologies lors d un projet de fin d études. Références bibliographiques T. HOUGRON, La Conduite de projet, (2 e d.), L usine Nouvelle, 2009 Langue d enseignement Français 63

65 Ensai Programme des enseignements de 1 ère année UE 1-10 M E IS Matière 1AECO09 Semestre 2 Introduction aux sciences sociales Introduction to Sociology Cours : 21h00 Enseignant : Alexandra Filhon (université Paris X) Correspondant : Laurent Di Carlo Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Les objectifs de ce cours d introduction sont les suivants : 1/ Proposer un tableau général des différentes sciences sociales et des questions générales qu elles se posent. 2/ Présenter quelques-unes des théories proposées en sciences sociales pour répondre à ces questions (culturalisme, théorie du choix rationnel, naturalisme, Boudon, Bourdieu, Durkheim), en insistant sur ce qui distingue ces différentes conceptions de l homme et de la société. 3/ Présenter, enfin, quelques domaines d étude traditionnels des sciences sociales, au regard de ce qui aura été dit auparavant dans le cours : les classes sociales ; les âges de la vie ; le crime et la déviance. Contenu de la matière Partie 1 : Présentation générale des sciences sociales 1. Que signifie étudier la société? 1.1 Définitions du social 1.2 Ce que le sociologue n est pas 1.3 Ce que sont les sciences sociales sont 2. Les dispositifs méthodologiques utilisés en sciences sociales 2.1 Les différentes façons de recueillir des «données» 2.2 La spécificité des statistiques Partie 2 : Sociologie de la famille et des transmissions 1. Socialisations et transmissions 1.1 Définitions 1.2 Approches sociologiques 2. L exemple de la transmission linguistique 2.1 L enquête «Histoire familiale» (Insee-Ined) de La construction et l exploitation du volet linguistique 2.3 Principaux résultats quantitatifs et qualitatifs Pré-requis Aucun. Contrôle des connaissances Un examen écrit de 2h, sans document. Références bibliographiques Ansart P. (1990), Les sociologies contemporaines (3 e éd.), Seuil, coll. Points, Paris. Aron R. (1967), Les étapes de la pensée sociologique, Gallimard, coll. Tel, Paris. 64

66 Ensai Programme des enseignements de 1 ère année Besnard P., Boudon R., Cherkaoui M., Lécuyer B. (2012), Dictionnaire de la sociologie, Larousse, Paris. Boudon R. et Bourricaud F. (2004), Dictionnaire critique de la sociologie (7 e éd.), PUF, Paris. Bourdieu P., Chamboredon, J-C et Passeron, J-C (2005), Le métier de sociologue (5 e éd.), De Gruyter. Dubet F. et Martucelli D. (1998), Dans quelle société vivons-nous?, Seuil, Paris. Desrosières A. (2010), La politique des grands nombres : histoire de la raison statistique (nouv. éd.), La Découverte, Paris. Durkheim É., (2007), Le suicide, Paris, PUF. Berger L. Peter, 2006, Invitation à la sociologie, Paris : La Découverte, Collection «Grands Repères». Darmon Muriel, 2010, La socialisation (2 e éd.), Paris : Armand Colin (Coll. 128). Déchaux Jean-Hugues, 2009, Sociologie de la famille (nouv. éd.), Paris : La Découverte (Coll. Repères). Lahire Bernard, 2006, L homme pluriel, Hachette. Langue d enseignement Français. 65

67 Ensai Programme des enseignements de 1 ère année UE 1-10 Matière TALV1 Semestres 1 et 2 Langues optionnelles Optional Languages Cours : 30h par semestre Enseignant Correspondant : Divers intervenants : Esther LALAU-KERALY Objectif de la matière L étude d une deuxième langue vivante est très fortement conseillée par la Commission du Titre d Ingénieur et une période à l étranger est obligatoire pendant la scolarité. Les objectifs varient selon le niveau et la langue. Tous les élèves auront progressé dans les quatre compétences, c est à dire l expression écrite et orale et la compréhension écrite et orale. Contenu de la matière 4 langues optionnelles sont proposées par l école : Allemand Chinois Espagnol Italien Leur contenu et leur mode de contrôle des connaissances sont décrits dans le fascicule «Programme des enseignements : Cours libres optionnels.» 66

68 Ensai Programme des enseignements de 1 ère année UE 1-10 Semestres 1 et 2 Cours d ouverture General Culture Courses Cours : 21h par semestre Enseignant Correspondant : Divers intervenants : Esther LALAU-KERALY Objectif de la matière L objectif est d amener les élèves à maintenir un esprit ouvert sur le monde, sortir du strict cadre académique et parfois scientifique et développer leurs connaissances en culture générale. Contenu de la matière Différents cours d ouverture sont proposés par l école. A titre d exemples : Atelier théâtre Cinéma Dessin Histoire de l'art du XXe siècle Histoire pour comprendre le monde d'aujourd'hui Introduction à la psychologie sociale : quelques éléments de compréhension du comportement humain Média, mémoire et histoire : des rapports ambigus Peinture Philosophie générale : le temps et l'histoire Physique : une science appliquée aux enjeux sociétaux, économiques et environnementaux Relations de l'homme avec son environnement : le développement durable et les nouveaux enjeux du 21e siècle Sociologie Villes et architecture en Europe aux XIXe et XXe siècles Les cours effectivement ouverts en 2014/2015, leur contenu et leur mode de contrôle des connaissances sont décrits dans le fascicule «Programme des enseignements : Cours libres optionnels.» 67

69 Ensai Programme des enseignements de 1 ère année UE 1-10 Matière Participation aux activités associatives Correspondant : Laurent di Carlo Objectif La participation à des activités associatives favorise l ouverture d esprit, le développement des relations personnelles et l engagement collectif. De ce point de vue, l école souhaite l encourager, dans la limite d un investissement compatible avec la réussite académique de l élève qui reste bien évidemment la priorité. 1) Les activités associatives liées à l école La participation comme dirigeant ou membre du bureau d une association de l école peut donner droit à des points bonus dans l unité d enseignement. La liste précise des bénéficiaires est établie en septembre-octobre par l Ensai, après concertation avec les associations concernées. Membre des bureaux (dans la limite du nombre de bénéficiaires) = 1 point bonus qui vient s ajouter à la moyenne de l UE (non cumulable) Pour bénéficier de ce point bonus, les élèves doivent avoir une activité avérée au sein de l association pendant une année scolaire. Cas particulier : Junior entreprise En plus de ce dispositif, l engagement dans la junior entreprise de l Ensai bénéficie d une prise en compte plus importante afin de plus valoriser l ouverture procurée par les activités concernées (comptabilité, organisation, prospection, communication, animation ). Le bureau de la junior entreprise est élu en début d année civile pour un an. Les élèves accédant aux fonctions listées ci-dessous bénéficient - sous conditions et sur demande - d une dispense d un cours d ouverture au 2 e semestre de leur prise de fonction ou au 1 er de la suivante. Il s agit des : Président, vice-président, trésorier, vice-trésorier, secrétaire général, chefs des pôles (prospection, communication, contrôle interne et informatique). Cette liste peut évoluer en fonction des ajustements dans l organisation de la Junior entreprise. Pour bénéficier de cette dispense, les élèves concernés devront faire remonter par le Président de la JE une demande argumentée en début d année, puis remettre en fin de semestre un rapport d activité détaillant les actions réalisées à titre personnel pour la JE. Hors cas de force majeure, si un élève ne remplit pas ses engagements et si son activité ne justifie pas la dispense, celle-ci est rétroactivement annulée. L élève sera donc soumis au régime prévu dans le règlement de scolarité, c'est-à-dire qu il devra donc composer sur deux cours d ouverture (ou un cours de langue optionnelle) pour l unité d enseignement concernée. Ce dispositif est applicable à d autres associations de l école en fonction des projets déposés lors de la prise de fonction du nouveau bureau. 68

70 Ensai Programme des enseignements de 1 ère année ) Les autres activités associatives La participation à des activités associatives dans un cadre hors scolaire peut aussi donner droit à des points bonus, voire à une dispense de cours d ouverture. C est notamment le cas lorsque l activité : - traduit une compétence forte dans un domaine d ouverture, - valorise l école, - demande un investissement important. Par exemple, la participation au 4L Trophy peut entrer dans ce cadre, lorsque les dates sont compatibles avec la période d examens ou de rattrapages de l école. Les élèves souhaitant en bénéficier doivent déposer une demande argumentée à la direction des études. 69

71 Ensai Programme des enseignements de 1 ère année UE 1-10 Matière Sport Sport TP : 30h Enseignant Correspondant : Divers intervenants : Jacques Legouic Enseignement destiné aux élèves-ingénieurs et aux attachés Objectif de la matière L objectif est d amener les élèves à maintenir un esprit sportif, sortir du strict cadre académique et développer leurs capacités physiques. Contenu de la matière 7 activités sportives sont proposées par l école : - Badminton - Basket - Fitness - Football - Hand-ball - Tennis de table - Tennis débutant - Volley-ball Outre les entraînements, les élèves inscrits peuvent être amenés à participer à des compétitions. Prise en compte dans la scolarité La participation à une activité sportive peut donner lieu à l attribution d un bonus (non cumulable) ajouté sur la moyenne de l Unité d Enseignement. Ce bonus est compris entre 0 et un point en fonction de l évaluation rendue par l enseignant de sport en fonction de l assiduité, l engagement et la participation aux compétitions tout au long de l année. Pour être définitif, ce bonus doit être validé par la direction des études. 70

72 Ensai Programme des enseignements de 1 ère année Anglais 71

73 Ensai Programme des enseignements de 1 ère année UE 1-05 et 1-11 M E IS Matières 1AHUM01 et 1AHUM02 Semestres 1 et 2 Anglais English Cours-TD : 48h Anglais renforcé : 30h Atelier 4h (ingénieurs) 4 TOEIC blancs obligatoires (8h), 3 TOEIC blancs facultatifs (6h) Enseignant : Divers intervenants Correspondant : Esther Lalau Keraly Enseignement destiné aux élèves ingénieurs et attachés Objectif de la matière Les élèves auront progressé dans les compétences requises pour obtenir un score d'au moins 785 au TOEIC c'est-à-dire, la compréhension orale, les pièges grammaticaux et la compréhension écrite. Dans les cours à thème ils auront élargi leur culture générale tout en pratiquant l'anglais. Ils auront pris de l'aisance à l'oral et ils auront eu à leur disposition tous les éléments pour progresser en anglais. Contenu de la matière Les élèves sans distinction attachés/ingénieurs sont regroupés par niveau. Les plus faibles ont des cours qui les préparent au TOEIC. Ils suivent un enseignement supplémentaire d'anglais renforcé, sous la forme de cours où plusieurs thèmes sont abordés. Les groupes intermédiaires ont un créneau de préparation au TOEIC et un créneau d'anglais thématique par semestre. Les plus forts, selon leur groupe, travaillent sur deux thèmes par semestre. Ces thèmes varient tous les ans mais on peut citer quelques exemples comme : Art, Australia, American Expatriate Literature in Paris, British Media, Crime and Punishment, Cinema From Fiction to Film. Pour ces derniers, la préparation au TOEIC se fait en autonomie avec le logiciel que l'école propose en réseau et pendant les TOEIC blancs. Le TOEIC définitif est proposé en fin d année pour ceux qui souhaitent le passer dès la première année. Pour les élèves ingénieurs, il y aura également 4h d atelier pour la rédaction et le perfectionnement d un CV et d une lettre de motivation en anglais, afin d aider les élèves à concrétiser leur projet de période obligatoire à l étranger. Ils auront appris comment rendre compétitif leur profil professionnel sur le plan international. Cet atelier sera sous forme de CM (1h) pour apprendre les techniques de rédaction dans un premier temps, et ensuite sous forme de cours-td (3h) pour la mise en pratique. Pré-requis Avoir passé le test de niveau. Contrôle des connaissances La note finale prend en compte le score du dernier TOEIC blanc du semestre, la note moyenne des contrôles continus, la participation et l assiduité. La note de contrôle continu est composée des interrogations et travaux divers. L'objectif de la CTI pour tous les élèves ingénieurs est d'atteindre le niveau B2 sur l échelle CECRL. Le niveau acquis apparaîtra sur le supplément de diplôme. 72

74 Ensai Programme des enseignements de 1 ère année Références bibliographiques Harding K., Lane A., International Express Intermediate (3 rd ed.), Oxford University Press, Lougheed, Lin, Building Skills for the New TOEIC Test (2 nd ed.), Pearson Education, Talcott C., Tullis G., Target Score (2 nd ed.), Cambridge: Cambridge University Press, Schrampfer-Azar, B., Understanding and Using English Grammar (3 rd ed.), Longman, Trew, Grant, Tactics for TOEIC, Oxford: Oxford University Press, Langue d enseignement Anglais. Pour tout complément d information, chaque élève peut consulter le Programme des enseignements : Langues étrangères, distribué au début de l année académique. 73

75 École nationale de la statistique et de l analyse de l information Campus de Ker Lann / Rue Blaise Pascal / BP BRUZ Cedex / France Tél : 33 (0) / Fax : 33 (0) [email protected]