Réaliser ses analyses statistiques avec Python

Objectifs

Apprendre à utiliser le langage Python pour analyser des données. Mettre en œuvre avec Python les méthodes de statistique descriptive, décisionnelle, analyse de la variance, régression linéaire et analyse de données multidimensionnelles.

Programme de la formation

- Introduction et mise en place de l'environnement

• Installation et configuration des environnements (Anaconda, Jupyter Notebook)


• Présentation des bibliothèques Python clés pour les statistiques (Pandas, Matplotlib, Scipy, Statsmodels)

- Manipulation et nettoyage des données

• Chargement et exploration des données avec Pandas
  
  
  
  • Lecture/écriture de fichiers CSV, Excel, JSON
  
  
  • Traitement des données manquantes
  
  
  • Gestion des types de données et transformations
  
  
  
  

- Analyses exploratoires des données (EDA)

• Calculs de statistiques descriptives
  
  
  
  • Moyennes, médianes, quartiles, variance, écart-type
  
  
  • Création de résumés statistiques groupés
  
  
  
  


• Visualisations avec Matplotlib et Seaborn
  
  
  
  • Histogrammes, boxplots, nuages de points
  
  
  
  

- Introduction aux tests statistiques

• Bases des tests d'hypothèses
  
  
  
  • Concepts : p-value, seuils de significativité, hypothèses nulle et alternative
  
  
  
  


• Tests courants avec SciPy
  
  
  
  • Test t (indépendant et pairé)
  
  
  • Tests de normalité (Shapiro-Wilk)
  
  
  • Tests du chi-carré pour les tables de contingence
  
  
  
  


• Interprétation des résultats

- Régression linéaire et introduction à la modélisation

• Introduction aux modèles linéaires
  
  
  
  • Régression linéaire simple avec Statsmodels
  
  
  • Analyse des coefficients et des résidus
  
  
  
  


• Régression multiple
  
  
  
  • Construction d'un modèle avec plusieurs variables explicatives
  
  
  • Validation du modèle (tests de significativité, R²)
  
  
  
  


• Introduction à la régression logistique
  
  
  
  • Concepts de base et mise en œuvre pour les données catégoriques
  
  
  
  

- Découvrir les principales méthodes d'analyse multidimensionnelle des données à l'aide de la bibliothèque Prince

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique