Plan du cours

Méthode scientifique, probabilités et Statistics

  • Très brève histoire des statistiques
  • Pourquoi peut-on être "confiant" dans les conclusions ?
  • Probabilité et prise de décision

Préparation de la recherche (décider du "quoi" et du "comment")

  • Vue d'ensemble : la recherche fait partie d'un processus avec des entrées et des sorties
  • Collecte de données
  • Questionneurs et mesures
  • Que mesurer ?
  • Études d'observation
  • Conception d'expériences
  • Analyse des données et méthodes graphiques
  • Compétences et techniques de recherche
  • Recherche Management

Description des données à deux variables

  • Introduction aux données à deux variables
  • Valeurs de la corrélation de Pearson
  • Simulation des corrélations
  • Propriétés de la corrélation de Pearson
  • Calcul du r de Pearson
  • Démonstration de la restriction de l'intervalle
  • Loi de la somme des variances II
  • Exercices

Probabilité

  • Introduction
  • Concepts de base
  • Démonstration de la probabilité conditionnelle
  • Simulation de l'erreur des joueurs
  • Démonstration d'un anniversaire
  • Distribution binomiale
  • Démonstration de la distribution binomiale
  • Taux de base
  • Démonstration du théorème de Bayes
  • Démonstration du problème de Monty Hall
  • Exercices

Distributions normales

  • Introduction
  • Histoire des distributions normales
  • Domaines des distributions normales
  • Variétés de distribution normale Démonstration
  • Normale standard
  • Approximation normale de la loi binomiale
  • Démonstration de l'approximation normale
  • Exercices

Échantillonnage des distributions

  • Introduction
  • Démonstration de base
  • Démonstration de la taille de l'échantillon
  • Démonstration du théorème de la limite centrale
  • Distribution d'échantillonnage de la moyenne
  • Distribution d'échantillonnage de la différence entre les moyennes
  • Distribution d'échantillonnage du r de Pearson
  • Distribution d'échantillonnage d'une proportion
  • Exercices

Estimation

  • Introduction
  • Degrés de liberté
  • Caractéristiques des estimateurs
  • Biais et variabilité Simulation
  • Intervalles de confiance
  • Exercices

Logique des tests d'hypothèses

  • Introduction
  • Test de signification
  • Erreurs de type I et de type II
  • Tests unilatéraux et bilatéraux
  • Interprétation des résultats significatifs
  • Interprétation des résultats non significatifs
  • Étapes des tests d'hypothèse
  • Tests de signification et intervalles de confiance
  • Idées fausses
  • Exercices

Test des moyennes

  • Moyenne unique
  • Distribution t Démonstration
  • Différence entre deux moyennes (groupes indépendants)
  • Simulation de robustesse
  • Toutes les comparaisons par paire entre les moyennes
  • Comparaisons spécifiques
  • Différence entre deux moyennes (paires corrélées)
  • Simulation de t corrélé
  • Comparaisons spécifiques (observations corrélées)
  • Comparaisons par paires (observations corrélées)
  • Exercices

Puissance

  • Introduction
  • Exemples de calculs
  • Facteurs affectant la puissance
  • Exercices

Prédiction

  • Introduction à la régression linéaire simple
  • Démonstration d'ajustement linéaire
  • Répartition des sommes des carrés
  • Erreur standard de l'estimation
  • Démonstration de la ligne de prédiction
  • Inférence Statistics pour b et r
  • Exercices

ANOVA

  • Introduction
  • Conceptions de l'ANOVA
  • ANOVA à un facteur (entre sujets)
  • Démonstration à une voie
  • ANOVA à facteurs multiples (entre sujets)
  • Tailles d'échantillons inégales
  • Tests complétant l'ANOVA
  • ANOVA intra-sujet
  • Puissance des plans d'analyse intra-sujet Démonstration
  • Exercices

Chi carré

  • Distribution du chi carré
  • Tableaux à une voie
  • Démonstration de test de distribution
  • Tableaux de contingence
  • Simulation de tableau 2 x 2
  • Exercices

Études de cas

Analyse d'études de cas sélectionnées

Pré requis

Une solide compréhension des statistiques descriptives (moyenne, moyenne, écart-type, variance) et une connaissance de base des probabilités sont requises.

Vous pouvez participer à un cours de préparation : Statistics Niveau 1

 35 heures

Nombre de participants



Prix par participant

Nos Clients témoignent (7)

Cours Similaires

Deep Learning for Finance (with R)

28 heures

Deep Learning for Banking (with R)

28 heures

Catégories Similaires