INTRODUCTION A LA STATISTIQUE (FSS-STAT-01)
Objectif de la formation :
Rendre opérationnelle toute personne rencontrant dans son métier le besoin d’analyser les données de manière optimale dans le but de:
- Représenter synthétiquement des données (savoir communiquer)
- Prendre des risques en présence d’incertitudes
- Interpréter des données avec plus de confiance et de fiabilité
Profil des stagiaires :
Ingénieurs et techniciens de tous secteurs. Niveau bac + 2 minimum
Pré-requis :
Pas de pré-requis
Moyens pédagogiques :
Alternance d'exposés, de manipulations et d'exercices pratiques mis en œuvre dans le logiciel Minitab et Excel
Tests réalisés tout le long de la formation sous forme d'exercices pour évaluer et apprécier le résultat.
Durée :
35 heures sur 5 jours
Tarif :
2500 € HT par stagiaire (pour le stage de 5 jours)
Formation éligible au DIF
Lieu :
Formation intra-entreprise
Note :
Possibilité de stage à la carte en ne choisissant que certains modules
PROGRAMME
- Statistique Descriptive (1jour)
- Introduction
- Utilité et objectif de la statistique
- Types de variables
- Les métriques
- Notion de distribution (introduction à la loi normale)
- Synthèse graphique (histogramme, Box plot, diagramme de probabilités…)
- Estimation et intervalles de confiance
2. Statistique inférentielle (2 jours)
- Tests d’hypothèses
- Notion de risques statistiques
- Test t et F (comparaison de moyennes et de variances)
- Tests de proportions
- Tests d’adéquation d’ajustement
- Liaison entre 2 variables (coefficient de corrélation, tableau de contingence du Khi²)
- Tests non paramétriques à 1 ou 2 dimensions
- Techniques d’échantillonnage
3. Analyse de la variance et régressions linéaires (2 jours)
- Analyse de la variance (ANOVA) à 1 dimension
- ANOVA à k dimensions (notion d’effets et d’interactions, test de significativité, coefficients de régression, analyse des résidus)
- Régression linéaire simple (construction du modèle, notion d’erreur, interprétation des coefficients du modèle, estimation par les moindres carrés, analyse des résidus, régression graphique, prédiction et intervalles de confiance)
- Régression linéaire multiple (notion de colinéarité)