Formations & Webinars

Besoin de vous former sur les méthodes statistiques les plus utilisées ? Ce cours s’adresse à toute personne souhaitant acquérir les fondamentaux des méthodes statistiques avec XLSTAT Basic+.

Cette formation aborde les méthodes d'analyse de données les plus couramment utilisées dans de nombreux domaines, notamment la recherche, la biostatistique, le marketing, la sensométrie, la finance et l'industrie. Les méthodes sont illustrées par de nombreux exemples et mises en œuvre dans XLSTAT Basic+, avec une interprétation approfondie des résultats. Les participants ont également le temps de s'exercer sur des données réelles fournies par le formateur. À la fin de la formation, les participants peuvent rapidement trouver et mettre en œuvre des méthodes statistiques appropriées pour répondre à leurs propres questions relatives aux données, à l’aide de XLSTAT Basic+.

Thèmes principaux :

• Les statistiques descriptives 
• Les statistiques exploratoires
• Les tests statistiques 
• La modélisation statistique
• Machine learning

Prérequis :

Il est nécessaire que les participants possèdent :

• Une expérience de base dans l'utilisation de Microsoft Excel

Programme :

Introduction

• Rappel de définitions : individus, variables, échantillon, population
• Préparation d’un jeu de données pour l’analyse

Statistiques descriptives univariées et bivariées

• Variables quantitatives : moyenne, écart type, variance, médiane, quartiles, histogrammes, boîtes à moustaches, nuages de points
• Variables qualitatives : tri à plat, mode, diagramme en bâtons, tri croisé

Statistiques exploratoires multivariées

• Réduire la dimensionnalité : Analyse en Composantes Principales, Analyse des Correspondances
• Classer des données : Classification Ascendante Hiérarchique, k-means

Tests statistiques

• Hypothèse nulle, p-value et risque d’erreur
• Tests paramétriques vs. tests non paramétriques
• Tests de comparaison et tests d’association

Modélisation statistique

• Régression linéaire
• ANOVA à un facteur et comparaisons multiples
• ANOVA à plusieurs facteurs

Machine learning 

• Initiation au Machine Learning supervisé et non-supervisé