Webinar gratuit : introduction à la modélisation statistique, 29 novembre 2017

Le webinar est gratuit, dure une heure et ouvert à toutes et à tous, y compris les personnes qui ne possèdent pas une licence XLSTAT. 

Deux parties sont prévues : une partie de présentation (45 minutes) et une partie de Questions-Réponses (10 minutes).

Introduction à la modélisation statistique - 1 heure

Les fonctionnalités statistiques peuvent être regroupées en plusieurs catégories, chaque catégorie répondant à un type de question et une configuration de données précises. La modélisation statistique permet d’étudier la manière dont évolue des variables dites à expliquer, en fonction de variables dites explicatives, ainsi que de faire des prédictions. Ce webinar présente de manière intuitive le principe de modélisation statistique, avec des applications sur le logiciel d’analyse de données XLSTAT.

Prérequis

Aucun

Programme

  • Qu’est-ce que la modélisation statistique ?
  • Définitions : variable à expliquer, variable explicative
  • Exemple : régression linéaire
  • Démonstration XLSTAT : régression linéaire
  • Interprétation des sorties : coefficients, p-values, , etc.
  • Prédiction
  • Quelle méthode de modélisation choisir ?

Profils des formateurs

Jean-Paul Maalouf

Jean-Paul Maalouf est un consultant sénior en statistique ayant rejoint l’équipe d’Addinsoft en 2014. Il détient un doctorat en biologie et une expérience importante de l’enseignement des statistiques, activité qu’il a pratiquée de manière intensive depuis 2012. Il a dispensé des formations auprès des plus grandes institutions de recherche françaises (INRA, CNRS, INSERM, CIRAD, plusieurs universités), ainsi qu’auprès de sociétés privées à travers le monde. Ses méthodes d’enseignement reposent sur une approche conceptuelle et très centrée sur l’exemple plutôt que sur l’explication de formules mathématiques complexes. Les notions sont ainsi saisies aisément par les personnes n’ayant pas nécessairement d’expérience en mathématique mais souhaitant devenir rapidement opérationnels dans le domaine de l’analyse de données.

En savoir plus