Domaine : Sciences de l'ingénieur et technologie
Section : Master en Sciences de l'Ingénieur Industriel

Fiche descriptive d'une Unité d'Enseignement
Année académique 2026-2027

Statistiques et analyse de données

UE 43

Enseignant(s) responsable de l'UE : Octave CURMI

Coordonnées du service : Campus de Bruxelles
Avenue Émile Gryson 1 (bât. 4C)
1070 Bruxelles

Langue(s) d'enseignement : Français

Niveau du cycle : 2e cycle

Période de l'année : Quadrimestre 1

Cadre européen de certification : Niveau 7

Caractère obligatoire ou au choix dans le programme : Cours obligatoire dans le programme

Renseignements d'identification

Année d'études : Bloc 4

Acronyme : TLU41ANDO

Nombre de crédits ECTS : 4 (Facteur de pondération)

Volume horaire : 39h (Q1 39 / Q2 0)

Épreuve intégrée

Liste des UE prérequises : Néant

Liste des UE corequises : Néant

Liste des activités d'apprentissage

Activité d'apprentissage	Volume horaire	ECTS	Présence obligatoire
TL41ANDO Statistiques et analyse de données	39	4	NON

Contribution de l'UE au profil d'enseignement du programme

RE01 ARES. 1 01. Identifier, conceptualiser et résoudre des problèmes complexes
RE01.5 ARES. 1.5 Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique

Autres connaissances ou compétences prérequises

Statistiques et analyse de données

Algèbre linéaire. Analyse supérieure (calcul différentiel et intégral multivarié). Géométrie élémentaire (dans l'espace).

Descriptif des objectifs et des contenus de l'UE

Statistiques et analyse de données

Objectifs

Le cours de statistiques et analyse de données est destiné à compléter la formation mathématique des futurs ingénieurs industriels. Les connaissances accumulées par les étudiants au cours des années précédentes permettent d’aborder des sujets et des applications plus ambitieuses tels que :

- Identification des outils d’analyse des données et leur pertinence

- Définition de solution (recueil, stockage, analyse et gestion des données)

- Construction d’algorithmes de traitement des données

- Elaboration et validité de modèles de prédiction

Contenu

Ajustement de modèle à des données, test Goodness of Fit.

Ajustement de distribution (MLE).

Simulation Monte Carlo.

Méthodes avancées de statistique : (M)ANOVA , une et deux variables avec et sans répétitions, étude des interactions, répétabilité, reproductibilité

Analyse factorielle : analyse en composantes principales (PCA) et classification hiérarchique ascendante (HCA)

Activités et méthodes d'apprentissage et d'enseignement

Statistiques et analyse de données

Cours magistral

Acquis d'apprentissage sanctionnés, spécifiques et contribuant à l'UE

Statistiques et analyse de données

Connaître et pouvoir restituer les outils mathématiques vus au cours.

Pouvoir appliquer ces outils à des exercices types.

Choisir, combiner et mettre en œuvre ces outils pour résoudre un problème.

Critiquer la pertinence des modèles et outils.

Pouvoir lire et comprendre un texte mathématique.

Description des supports de cours indispensables

Description	Accès à la source	URL
Toute l'UE : Notes de cours Power points comme support de cours, notes au tableau, résolution d'exercice dirigé durant les séances. Logiciels mis en œuvres Excel utilitaire d’analyse des données et solveurs (dernière version d’excel) Python/Anaconda (sans licence) R (sans licence)	Ce support de cours est disponible sur le campus numérique	—

Description

Accès à la source

URL

Toute l'UE :

Notes de cours

Power points comme support de cours, notes au tableau, résolution d'exercice dirigé durant les séances.

Logiciels mis en œuvres

Excel utilitaire d’analyse des données et solveurs (dernière version d’excel)
Python/Anaconda (sans licence)
R (sans licence)

Ce support de cours est disponible sur le campus numérique

—

Description des références et des supports complémentaires

Description

Accès à la source

URL

Toute l'UE :

FLORENT, P. LAUTON, M., LAUTON, G. Outils et modèles mathématiques à l’usage des étudiants des premiers cycles technologiques et des écoles d’ingénieurs. Librairie Vuibert (Paris) et Presses de l’Université du Québec (Montréal)

Tome 1 : Suites et fonctions numériques

Tome 2 : Calcul vectoriel, géométrie analytique

Tome 3 : Algèbre linéaire

ARBENZ, K et WOLHLAUSER, A. Méthodes mathématiques pour l’ingénieur Presses polytechniques romandes (Lausanne)

Tome 1 : Analyse numérique

Tome 2 : Compléments d’analyse

Ce support de cours est disponible en bibliothèque

—

Mode d'évaluation et de pondération par activité au sein de l'UE

L'utilisation de l'IA dans le cadre des apprentissages, des travaux et des évaluations est régie par la charte IA disponible ici.

Cette unité d'enseignement est évaluée en épreuve intégrée.

Janvier

Ensemble de l'UE

Examen oral — 60 %

Type de questions : Questions ouvertes · Examen à livre : Livre ouvert

Travaux pratiques (hors session) — 40 %

Type de questions : L'examen consiste en un travail à remettre le jour de l'examen · Examen à livre : Livre ouvert

Evaluation continue : TP en salle informatique : mise en oeuvre des différents outils (graphiques, modélisation, ajustement de modèles). Remise d'un travail via le campus numérique.

Examen : 30 min de préparation par étudiant puis 30 minutes d'interrogation orale. Seules les ressources papier sont autorisées

Août

Ensemble de l'UE

Examen oral — 100 %

Type de questions : Questions ouvertes · Examen à livre : Livre ouvert

45 minutes de préparation puis 45 minutes d'interrogation orale. Seules les ressources papier sont autorisées