Aperçu du cours
Objectif de formation : Obtenir une compréhension approfondie des concepts statistiques essentiels et des techniques d’analyse de corrélation
Prérequis
- Connaissance de base des statistiques et des concepts mathématiques
- Familiarité avec les outils d'analyse de données tels que les tableurs ou les logiciels d'analyse statistique
Objectifs pédagogiques
- Comprendre les principaux concepts de l'analyse statistique et de la corrélation
- Appliquer les tests d'hypothèses appropriés pour des comparaisons statistiques
- Effectuer des analyses de corrélation et interpréter les résultats
- Utiliser la régression linéaire pour modéliser les relations entre variables
- Maîtriser les techniques avancées d'analyse statistique, y compris l'ANOVA et les méthodes non paramétriques
- Créer des visualisations avancées pour représenter les résultats statistiques
Public ciblé
- Data analysts
- Business analysts
- Data scientists
- Statisticians
- Researchers
Programme de formation
-
Introduction à l'analyse statistique (1 heure)
-
Concepts fondamentaux de l’analyse statistique
-
Types de données et mesures statistiques
-
Introduction aux distributions statistiques
-
Travaux pratiques : Calcul de mesures statistiques sur un jeu de données
-
-
Tests d'hypothèses (2 heures)
-
Compréhension des tests d’hypothèses et de leur utilisation
-
Tests de comparaison de moyennes, de proportions et de variance
-
Interprétation des résultats des tests d’hypothèses
-
Travaux pratiques : Application de tests d’hypothèses sur des données réelles
-
-
Analyse de corrélation (2 heures)
-
Compréhension des concepts de corrélation et de covariance
-
Méthodes d’analyse de corrélation : corrélation de Pearson, corrélation de rang de Spearman
-
Interprétation des résultats de corrélation.
-
Travaux pratiques : Calcul de la corrélation et interprétation des résultats
-
-
Régression linéaire (2 heures)
-
Introduction à la régression linéaire
-
Modélisation des relations linéaires entre variables
-
Interprétation des résultats de régression linéaire
-
Travaux pratiques : Construction d’un modèle de régression linéaire et évaluation des performances
-
-
Analyse des variance (ANOVA) (2 heures)
-
Principe de l’ANOVA et ses applications
-
Analyse de variance à un facteur et à plusieurs facteurs
-
Interprétation des résultats de l’ANOVA
-
Travaux pratiques : Application de l’ANOVA sur différents jeux de données
-
-
Analyse de données catégorielles (1 heure)
-
Introduction à l’analyse de données catégorielles
-
Méthodes d’analyse : chi-square test, test de Fisher…
-
Interprétation des résultats de l’analyse de données catégorielles
-
Travaux pratiques : Analyse de données catégorielles et interprétation des résultats
-
-
Méthodes non paramétriques (2 heures)
-
Introduction aux tests non paramétriques
-
Utilisation des tests non paramétriques pour les données non normalement distribuées
-
Comparaison des tests non paramétriques avec les tests paramétriques
-
Travaux pratiques : Application de tests non paramétriques sur des données réelles
-
-
Visualisation avancée des données (2 heures)
-
Techniques avancées de visualisation des données
-
Utilisation de graphiques spécialisés pour la présentation des résultats statistiques
-
Travaux pratiques : Création de visualisations avancées pour représenter des analyses statistiques
-
Instructeur
