Fondamentaux en statistique

Overview

Description

Le cours « Fondamentaux en statistique 2.0 » du Professeur Avner Bar-Hen est de retour en mars 2015 sur la plate-forme FUN-MOOC. Fort du succès de sa version 2014 (plus de 8 000 personnes inscrites) il vous est proposé cette année dans une version améliorée et augmentée. Que vous soyez débutant(e) ou initié(e) en statistique, que vous ayez suivi ou non le cours en 2014, venez découvrir ou approfondir ce puissant outil d’aide à la décision.

La statistique est la science de la collecte, de l’organisation et de l’interprétation des données numériques. Sa compréhension et sa pratique sont essentielles pour comprendre les informations numériques et pour prendre des décisions fondées sur leur analyse.

Ce cours est une introduction aux concepts de base en statistique.

Il met l’accent sur l’application pratique de la statistique. Les étudiants apprendront :

• Quand et comment les outils statistiques peuvent être utilisés pour analyser les données
• Comment choisir et appliquer des outils statistiques aux sources de données
• De quelle façon interpréter les études quantitatives produites par les autres.

L’ensemble du cours repose sur l’utilisation du logiciel libre et gratuit R, dont l’installation et la manipulation seront expliquées pas à pas en semaine 0.

Syllabus

Plan de cours

• Semaine 0 : Introduction à R
  • • A. Installation de R et Rstudio
    • B. Premiers pas : créer des objets
    • C. Importer des données (format texte, excel, etc.)
    • D. Manipuler des données• E. Ecrire une fonction
• Semaine 1 : Comment résumer l’information d’une variable
  • • A. Que mesure-t-on ?
    • B. Caractérisation d’une variable
    • C. Représentation graphique
    • D. Indices résumés : paramètres de localisation
    • E. Indices résumés : paramètres de dispersion• F. Représentation graphique resumée : le box-plot
• Semaine 2 : Analyses bidimensionnelles
  • • A. Cas de deux variables qualitatives : tableau de contingence
    • B. Cas de deux variables qualitatives : représentation graphique
    • C. Cas de deux variables quantitatives : covariance et corrélation
    • D. Cas de deux variables quantitatives : introduction à la régression
    • E. Principe d’un test• F. Application des tests en régression
• Semaine 3 : Analyses multidimensionnelles
  • • A. Introduction aux méthodes factorielles
    • B. Définition d’une distance entre individus
    • C. Cas de p>2 variables quantitatives : projection et analyse en composantes principales
    • D. Cas de p > 2 variables quantitatives : Interprétation de l’analyse en composantes principales (ACP)• E. Cas de p > 2 variables qualitatives : analyse factorielle des correspondances (AFC)
• Semaine 4 : Apprentissage/Classification
  • • A. Préalable
    • B. Classification Ascendante Hiérarchique
    • C. Nuées dynamiques (k-means)• D. Classement