Introduction aux statistiques descriptives et inférentielles Part.1
Responsables : Samuel DEMARCHI.
Contact : demarchi.sam@gmail.com
Contact : demarchi.sam@gmail.com
Durée : 20h
Modalité et inscription : En présentiel.
Merci d’adresser un mail, avec nom/prénom/n°étudiant/laboratoire à l’enseignant et à votre ED.
Lieu : A2 201 pour le 21 et 28 Janvier 2026.
Les autres salles seront communiquées ultérieurement.
Dates : 21 janvier 2026, 28 janvier 2026, 04 février 2026, 11 février 2026, 18 février 2026, 04 mars 2026,
11 mars 2026, 18 mars 2026, 25 mars 2026, 01 avril 2026. D’autres dates vont être ajoutées ultérieurement.
Heure : 12h30 à 15h00
Publics : Ouvert aux doctorant.e.s de l’ED CLI uniquement.
Dates : 21 janvier 2026, 28 janvier 2026, 04 février 2026, 11 février 2026, 18 février 2026, 04 mars 2026,
11 mars 2026, 18 mars 2026, 25 mars 2026, 01 avril 2026. D’autres dates vont être ajoutées ultérieurement.
Heure : 12h30 à 15h00
Publics : Ouvert aux doctorant.e.s de l’ED CLI uniquement.
Descriptif : Les statistiques descriptives et inférentielles constituent aujourd’hui un langage commun de la recherche scientifique, permettant de dialoguer entre disciplines et de s’inscrire dans la littérature internationale. Cette culture scientifique minimale vous permettra :
- D’évaluer la validité d’articles scientifiques,
– De concevoir des recherches empiriques solides,
– D’éviter les erreurs méthodologiques et interprétatives,
– De communiquer leurs résultats de manière claire, honnête et sans biais.
Ainsi, l’enseignement proposé se veut pragmatique et accessible, visant l’appropriation de concepts fondamentaux et d’outils simples, plutôt qu’une maîtrise exhaustive des statistiques.
Objectifs :
· Comprendre le rôle fondamental de la statistique dans la recherche.
· Acquérir les bases des statistiques descriptives (résumer, visualiser et interpréter des données).
· S’initier aux probabilités comme langage de l’incertitude.
· Découvrir les tests statistiques les plus courants pour répondre à des questions simples de recherche.
· Acquérir les bases des normes de publication APA7th Contenu détaillé *Introduction générale (2h) Statistiques : outil de recherche et non fin en soi. Données qualitatives vs quantitatives. Erreurs fréquentes et biais. *Statistiques descriptives (6h) Tableaux, graphiques, visualisation des données.
· Mesures de tendance centrale : moyenne, médiane, mode. Mesures de dispersion : variance, écart-type, étendue. Notion de distribution (asymétrie, aplatissement).
· Exercices pratiques sur données réelles (enquêtes, corpus textuels, données sociales). *Notions de probabilités (2h) Idée intuitive de probabilité. Événements indépendants et dépendants. Loi des grands nombres et erreur d’échantillonnage (introduction simple).
· Introduction à l’inférence statistique (10h)
· Différence entre description et inférence. Échantillon vs population.
· Estimation ponctuelle et intervalle de confiance.
· Tests "d’hypothèses" ou tests de "significativité (ou NHST) : principes (hypothèse nulle, risque d’erreur de type I et II.
· Présentation des principaux tests : Test du ?² (variables qualitatives).
· Test t de Student (échantillons indépendants et appariés).
· ANOVA (notion simple, sans formalisme lourd). Corrélations (Pearson, Spearman).
· Exercices pratiques sur logiciel simple (par ex. JASP, PSPP, ou RStudio avec interface simplifiée).
· Comprendre le rôle fondamental de la statistique dans la recherche.
· Acquérir les bases des statistiques descriptives (résumer, visualiser et interpréter des données).
· S’initier aux probabilités comme langage de l’incertitude.
· Découvrir les tests statistiques les plus courants pour répondre à des questions simples de recherche.
· Acquérir les bases des normes de publication APA7th Contenu détaillé *Introduction générale (2h) Statistiques : outil de recherche et non fin en soi. Données qualitatives vs quantitatives. Erreurs fréquentes et biais. *Statistiques descriptives (6h) Tableaux, graphiques, visualisation des données.
· Mesures de tendance centrale : moyenne, médiane, mode. Mesures de dispersion : variance, écart-type, étendue. Notion de distribution (asymétrie, aplatissement).
· Exercices pratiques sur données réelles (enquêtes, corpus textuels, données sociales). *Notions de probabilités (2h) Idée intuitive de probabilité. Événements indépendants et dépendants. Loi des grands nombres et erreur d’échantillonnage (introduction simple).
· Introduction à l’inférence statistique (10h)
· Différence entre description et inférence. Échantillon vs population.
· Estimation ponctuelle et intervalle de confiance.
· Tests "d’hypothèses" ou tests de "significativité (ou NHST) : principes (hypothèse nulle, risque d’erreur de type I et II.
· Présentation des principaux tests : Test du ?² (variables qualitatives).
· Test t de Student (échantillons indépendants et appariés).
· ANOVA (notion simple, sans formalisme lourd). Corrélations (Pearson, Spearman).
· Exercices pratiques sur logiciel simple (par ex. JASP, PSPP, ou RStudio avec interface simplifiée).
