AMBIENT IT : 08. Modélisation statistique, l'essentiel
Organisme
93500 PANTINVoir toutes ses formationsAutres organismes proposant cette formation
Durée
Modalités
- Classe virtuelle
- Présentiel
Travaux pratiques, QCM de validation des acquis, évaluation à chaud et à froid.
Prix
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 générales en mathématiques, analyse statistique et Excel.
Objectifs pédagogiques
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
Exploiter les paramètres statistiques pour comprendre une série de données
Découvrir des outils comme R et Excel pour la mise en œuvre des modèles étudiés
Valider la précision d'une estimation, à l'aide des intervalles de confiance
Être en mesure de prévoir les comportements à venir
Savoir vérifier l'adéquation à un modèle
Programme détaillé
INTRODUCTION À LA MODÉLISATION STATISTIQUE
- Qu’est-ce que la modélisation statistique ?
- Modélisation mathématique
- Définir la statistique descriptive
- Méthodes d’échantillonnage
- Inférence statistique
MÉTHODES PARAMÉTRIQUES
- Régression linéaire simple/multiple
- Modèle
- Moindres carrés
- Estimations
- Intervalles de confiance
- Sélection de variables
- Analyse de la variance
- Analyse de la covariance
- Comparaison avec Anova
- Comparaison avec la régression linéaire
- Modèle linéaire généralisé
- Régression de Poisson
- Modèle polytomique
- Modélisation Bayésienne
- Analyse de séries temporelles
MÉTHODES NON PARAMÉTRIQUES
- Régression spline
- Estimation par moyennes locales
- Estimation à noyau
- Régression polynomiale locale
VARIABLES QUANTITATIVES POLYTOMIQUES
- Variables à modalités ordonnées
- Variables à modalités non ordonnées
- Variables à choix emboités
- Formalisation et exemples
- Cas d’applications des variables
VARIABLES QUANTITATIVES BINAIRES
- Estimation et interprétation des paramètres
- Valider les résultats
- Exemples et formalisation
- Cas d’application
NETTOYAGE DES DONNÉES
- Repérer d’éventuels codes superflus
- Repérer des données manquantes en grande quantité
- Suppression de variables
- Analyses univarié
- Analyse bivarié
INTERVALLES DE CONFIANCE
- Estimation et intervalles de confiance
- Lois statistiques d’intervalle de confiance
- Valider une précision d’une estimation
PARAMÈTRES STATISTIQUES
- Exploiter des paramètres statistiques
- Comprendre une série de données
- Aspects statistiques de modélisation
- Validation du modèle
- Tests de coefficients
- Étude des résidus et des points influents
- Vérification d’adéquation à un modèle
MODÉLISATION AVEC R ET EXCEL
- Mettre en œuvre des méthodes de régression
- Analyser la variance sous R
- Traiter une question concrète à travers d’une approche de modélisation
- Mise en œuvre de modélisation avec un logiciel R