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
Prérequis
Déroulé du programme
Jour 1 : Fondamentaux de l'analyse statistique appliquée (6 heures)
- Introduction aux fondamentaux statistiques (0,5 heure)
Définir les concepts de base en statistiques (population, échantillon, variable)
Comprendre les étapes d’une analyse statistique
Importance de la précision et de la reproductibilité en statistique
- Utilisation des formules et tests statistiques (2 heures)
Tests de moyenne et de proportion (test t, Khi-2, etc.)
Utilisation des tests de corrélation et de régression linéaire
Travaux pratiques : Réaliser un test t pour une hypothèse donnée
- Validation des estimations et intervalles de confiance (1,5 heure)
Calcul et interprétation des intervalles de confiance
Applications à la validation d’hypothèses
Travaux pratiques : Estimer un intervalle de confiance avec des données réelles
- Création de rapports d’analyse (2 heures)
Structurer et présenter les résultats d’une analyse statistique
Utilisation d’Excel pour générer des graphiques et tableaux automatiques
Travaux pratiques : Réaliser un rapport d’analyse simple avec des données fournies
Jour 2 : Mise en œuvre et modélisation (6 heures)
- Découverte des outils statistiques R et Excel (1,5 heure)
Introduction à R : installation, interface et packages de base
Utilisation d’Excel pour les calculs et graphiques avancés
Travaux pratiques : Charger et manipuler des données dans R et Excel
- Paramètres statistiques et modélisation (2 heures)
Étude des paramètres statistiques : moyenne, écart-type, variance
Application des modèles de régression linéaire et logistique
Travaux pratiques : Créer et analyser un modèle de régression avec R
- Validation des modèles et prévisions (2,5 heures)
Vérification de l’adéquation des modèles aux données
Techniques pour prévoir les comportements futurs
Travaux pratiques : Prévoir des tendances futures avec un modèle ajusté
Informations
Durée
2 jour(s)
12h
Sur demande
Formations similaires
Migration vers le Cloud
Sur demande
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
Sur demande
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
Sur demande
Analyse bayésienne (4-107)
Sur demande