Statistiques, maîtriser les fondamentaux

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.

Séries statistiques.

Représentation graphique des variables qualitatives et quantitatives.

Etude de cas
Etude d'une population et dimensionnement d'un échantillon.

Statistique descriptive.

Phase d'apprentissage.

Statistique prédictive pour estimer et anticiper.

Modélisation statistique d'un phénomène.

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.

Comprendre l'utilisation de la variance et co-variance.

Ecart-Type, calculer la dispersion d'un ensemble de données.

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

Régression linéaire simple.

Régression linéaire multiple.

Régression logistique.

Analyse de la variance et de la co-variance et recherche de corrélation.

Exercice
Mise en place d'un modèle de régression linéaire multiple pour estimer une valeur.

Tests.

Intervalle de confiance.

Lois statistiques et intervalle de confiance.

Valider la précision d'une estimation. Amplitude de l'intervalle.

Etude de cas
Détection de produits finis défectueux sur une chaîne de production.

Zoom sur le logiciel Open Source "R".

Initiation au logiciel Open Source "R".

Les principaux outils : SAS, SPSS.

Travaux pratiques
Ecriture de scripts pour calculer des métriques, moyennes, variances. Régression linéaire simple.