Data Science

Modélisation statistique, l’essentiel

14 heures 0 mins

Data Science

Objectifs de la formation

  • Connaître les fondamentaux de l’analyse statistique appliquée
  • Maîtriser l’utilisation des formules et tests statistiques fondamentaux
  • Savoir concevoir un rapport d’analyse basé sur les faits
  • Valider la précision d’une estimation, à l’aide des intervalles de confiance
  • Découvrir des outils comme R et Excel pour la mise en œuvre des modèles étudiés
  • Exploiter les paramètres statistiques pour comprendre une série de données
  • Être en mesure de prévoir les comportements à venir
  • Savoir vérifier l’adéquation à un modèle

Programme de la formation

Rappels des fondamentaux de la statistique descriptive

  • Définition de la statistique descriptive.
  • Analyse d’une population.
  • Méthodes d’échantillonnage.
  • Variables qualitatives et quantitatives.
  • Effectifs et calcul des fréquences.
  • Effectifs cumulés croissants et décroissants.
  • Représentation graphique des variables qualitatives et quantitatives.

Etude de cas

Application pratique sur excel d’analyses statistiques et interprétation

Démarche et modélisation d’une analyse statistique

  • Statistique descriptive.
  • Phase d’apprentissage.
  • Statistique prédictive pour estimer et anticiper.
  • Modélisation statistique d’un phénomène.

Paramètre de position et de dispersion

  • Mode, valeur modale, valeur la plus probable.
  • Moyenne d’une population (ou d’un échantillon).
  • Médiane, partager une série numérique.
  • Etendue, différence entre valeurs extrêmes.
  • Utiliser les quantiles.
  • Ecart-Type, calculer la dispersion d’un ensemble de données.
  • Calcul de la variance et de la covariance.

Etude de cas

Calcul de paramètres de position et de dispersion sur différents échantillonnages et comparaisons des résultats.

Tests et intervalle de confiance

  • Lois statistiques et intervalle de confiance.
  • Tests statistiques courants (Test de Student, Analyse de variances, Khi²).
  • Valider la précision d’une estimation. Amplitude de l’intervalle.

Etude de cas

Exercices sur le logiciel R.

Panorama des outils

  • Zoom sur le logiciel Open Source « R ».
  • Initiation au logiciel Open Source « R ».

Travaux pratiques

Utilisation de packages pour faire les analyses statistiques.

MOYENS PÉDAGOGIQUES ET TECHNIQUES D’ENCADREMENT DES FORMATIONS

Modalités pédagogiques :

  • Évaluation des besoins et du profil des participants.
  • Apport théorique et méthodologique : séquences pédagogiques regroupées en différents modules.
  • Contenus des programmes adaptés en fonction des besoins identifiés pendant la formation.
  • Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de travaux pratiques, étude de cas et mise en situation.
  • Méthodes expositive, active et participative.
  • Réflexion et échanges sur cas pratiques.
  • Retours d'expériences.
  • Corrections appropriées et contrôles des connaissances à chaque étape, fonction du rythme de l’apprenant mais également des exigences requises au titre de la formation souscrite.

Éléments matériels :

  • Mise à disposition des outils nécessaires au bon déroulement des travaux pratiques.
  • Support de cours au format numérique projeté sur écran et transmis au participant en fin de la formation.

Référent pédagogique et formateur :

  • Chaque formation est sous la responsabilité du directeur pédagogique de l’organisme de formation.
  • Le bon déroulement est assuré par le formateur désigné par l’organisme de formation.
MOYENS PERMETTANT LE SUIVI ET L’APPRÉCIATION DES RÉSULTATS
  • Feuilles de présences signées des participants et du formateur par demi-journée.
  • Attestation de fin de formation mentionnant les objectifs, la nature et la durée de l’action et les résultats de l’évaluation des acquis de la formation.
Please login to get access to the quiz
Python Data Science, manipuler et visualiser les données (Prev Lesson)
(Next Lesson) Data Science, les fondamentaux
Back to Data Science
Public

Utilisateurs et gestionnaires métiers de bases de données, Data Scientist, ingénieurs, Data Analysts ou toute personne intéressée par l'analyse statistique appliquée.

Pré-requis

Connaissances de base en mathématiques et statistiques

Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en effectuant le test disponible en bas de cette page.

Lieu de formation

Intra-entreprise/à distance

Dates ou période

À définir. Nous consulter

Tarif

Sur devis. Merci de nous contacter

Modalités

Pour s’inscrire à notre formation, veuillez nous contacter par mail ou téléphone.

Démarrage de la formation sous deux semaines (délai indicatif).

Nous contacer
training@profind.fr
Informations complémentaires

Pour toute réclamation, aléas ou difficultés rencontrés pendant la formation, veuillez prendre contact avec notre organisme par téléphone ou par e-mail. Nous mettrons tout en œuvre pour trouver une solution adapter.

Formation synchrone, réalisée à distance en visioconférence via l’application Microsoft Teams ou en présentiel dans les locaux du client.

Sur le même thème