Informations pratiques

• Durée : 35h
• Niveau : Intermédiaire
• Modalité : Visio

Objectifs pédagogiques

• Comprendre les concepts statistiques fondamentaux
• Réaliser des analyses statistiques descriptives
• Effectuer des tests d'hypothèses
• Interpréter les résultats statistiques
• Appliquer les statistiques à des cas réels

Programme de la formation

1. Statistiques Descriptives (10h)
   • Mesures de tendance centrale : moyenne arithmétique, médiane, mode et moyenne pondérée
   • Mesures de dispersion : variance, écart-type, étendue, coefficient de variation et IQR
   • Distributions : distribution normale, asymétrie (skewness), aplatissement (kurtosis) et loi de Pareto
   • Visualisations descriptives : histogrammes, box plots, density plots et QQ-plots pour vérifier la normalité
   • Tableaux de fréquences : fréquences absolues, relatives, cumulées et croisées
   • Analyse bivariée : tableaux croisés, corrélation visuelle et segmentation par catégories
2. Probabilités (8h)
   • Probabilités fondamentales : espace des événements, probabilité conditionnelle et théorème de Bayes
   • Variables aléatoires : discrètes (Bernoulli, binomiale, Poisson) et continues (normale, exponentielle)
   • Lois de distribution : loi normale (paramètres μ, σ), loi de Student, loi du chi-carré et loi de Fisher
   • Théorèmes fondamentaux : loi des grands nombres, théorème central limite et leurs applications
   • Échantillonnage : population vs échantillon, méthodes d'échantillonnage et biais de sélection
   • Simulations : Monte Carlo, bootstrap et applications pratiques en Python/R
3. Statistiques Inférentielles (12h)
   • Tests d'hypothèses : formulation H0/H1, erreurs de type I et II, puissance du test et taille d'échantillon
   • Intervalles de confiance : construction, interprétation, niveau de confiance et marge d'erreur
   • P-values : définition rigoureuse, seuils de significativité (α), interprétation et limites
   • Significativité statistique vs pratique : effect size (Cohen's d), taille d'effet et pertinence métier
   • Tests paramétriques : t-test (indépendant, apparié), ANOVA à un facteur et post-hoc (Tukey)
   • Tests non-paramétriques : Mann-Whitney, Wilcoxon, Kruskal-Wallis et chi-carré d'indépendance

Prérequis

Bases en mathématiques

Public visé

Data analysts, business analysts, chercheurs

Méthodes pédagogiques

Formation en distanciel (visio) et/ou en présentiel selon les sessions

Évaluation

QCM, exercices pratiques, mise en situation professionnelle, étude de cas, projet final

Accessibilité

Formation accessible aux personnes en situation de handicap. Possibilités d'adaptation pédagogique et technique. Pour toute question concernant l'accessibilité, contactez notre référent handicap : Kelly Ohana - contact@visio-form.fr