Description
Objectif de formation : Obtenir une compréhension approfondie des concepts statistiques essentiels et des techniques d'analyse de corrélation
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 concerné
Data analysts
Business analysts
Data scientists
Statisticians
Researchers
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
Déroulé du programme
1
Introduction à l'analyse statistique (1 heure)
1h
- 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
2
Tests d'hypothèses (2 heures)
2h
- 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
3
Analyse de corrélation (2 heures)
2h
- 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
4
Régression linéaire (2 heures)
2h
- 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
5
Analyse des variance (ANOVA) (2 heures)
2h
- 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
6
Analyse de données catégorielles (1 heure)
1h
- 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
7
Méthodes non paramétriques (2 heures)
2h
- 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
8
Visualisation avancée des données (2 heures)
2h
- 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
Informations
Durée
2 jour(s)
14h
Tarif
1500 € HT
HT
Formations similaires
IA & Data
Migration vers le Cloud
2 jour(s)
Sur demande
IA & Data
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
3 jour(s)
Sur demande
IA & Data
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
1 jour(s)
Sur demande
IA & Data
Analyse bayésienne (4-107)
3 jour(s)
Sur demande