Formation en IA & Data: Modélisation statistique, l'essentiel (4-086) - Ascent Formation
Retour aux formations
IA & Data

Modélisation statistique, l'essentiel (4-086)

2 jour(s)12h

Description

Objectif général de la formation : Permettre aux participants de maîtriser les bases de la modélisation statistique, depuis l’analyse des données jusqu’à la validation de modèles, en utilisant les outils comme R et Excel. Modalité : Toutes les modalités (présentiel, classe virtuelle et hybride) sont possibles Lieu possible de réalisation : Locaux du bénéficiaire ou locaux d’Ascent Formation, en France métropolitaine et dans les DROM-COM Nombre maximal de participants : 20 Niveau SAME visé : Maîtrise (M) Compétences visées : Appliquer des formules et tests statistiques fondamentaux Valider des estimations à l’aide des intervalles de confiance Utiliser R et Excel pour mettre en œuvre des modèles statistiques Vérifier l’adéquation d’un modèle aux données Prévoir des comportements futurs à partir de données historiques

Objectifs pédagogiques

  • Identifier les étapes clés d’une analyse statistique appliquée.
  • Effectuer des tests statistiques simples pour valider des hypothèses.
  • Construire un rapport d’analyse structuré et argumenté.
  • Utiliser des outils comme R et Excel pour analyser et modéliser les données.
  • Appliquer des techniques de validation de modèles pour garantir leur fiabilité.

Public concerné

Analystes de données
Responsables d’études
Chargés de projets en statistiques

Prérequis

Connaissances de base en statistiques descriptives
Familiarité avec les tableurs (Excel) ou des outils statistiques (préférable)

Déroulé du programme

1

Jour 1 : Fondamentaux de l'analyse statistique appliquée (6 heures)

6h
  • Introduction aux fondamentaux statistiques (0,5 heure)
2

Définir les concepts de base en statistiques (population, échantillon, variable)

3

Comprendre les étapes d’une analyse statistique

4

Importance de la précision et de la reproductibilité en statistique

  • Utilisation des formules et tests statistiques (2 heures)
5

Tests de moyenne et de proportion (test t, Khi-2, etc.)

6

Utilisation des tests de corrélation et de régression linéaire

7

Travaux pratiques : Réaliser un test t pour une hypothèse donnée

  • Validation des estimations et intervalles de confiance (1,5 heure)
8

Calcul et interprétation des intervalles de confiance

9

Applications à la validation d’hypothèses

10

Travaux pratiques : Estimer un intervalle de confiance avec des données réelles

  • Création de rapports d’analyse (2 heures)
11

Structurer et présenter les résultats d’une analyse statistique

12

Utilisation d’Excel pour générer des graphiques et tableaux automatiques

13

Travaux pratiques : Réaliser un rapport d’analyse simple avec des données fournies

14

Jour 2 : Mise en œuvre et modélisation (6 heures)

6h
  • Découverte des outils statistiques R et Excel (1,5 heure)
15

Introduction à R : installation, interface et packages de base

16

Utilisation d’Excel pour les calculs et graphiques avancés

17

Travaux pratiques : Charger et manipuler des données dans R et Excel

  • Paramètres statistiques et modélisation (2 heures)
18

Étude des paramètres statistiques : moyenne, écart-type, variance

19

Application des modèles de régression linéaire et logistique

20

Travaux pratiques : Créer et analyser un modèle de régression avec R

  • Validation des modèles et prévisions (2,5 heures)
21

Vérification de l’adéquation des modèles aux données

22

Techniques pour prévoir les comportements futurs

23

Travaux pratiques : Prévoir des tendances futures avec un modèle ajusté

Informations

Durée

2 jour(s)

12h

Tarif

Sur demande