Définition

• Définition de la statistique descriptive. L'étude de l'incertitude.
• Comparaison de produits calibrés à des données aléatoires.
• Introduction à l'aléa des données statistiques.
• Conclusion : la question que se pose un statisticien.

Formalisation mathématiques

• Indexation de 1 à n. La valeur absolue.
• Le Symbole Sigma pour l'écriture de sommes.
• Le Carré et la Racine Carrée.
• Effectif, fréquence, quartile, centile : explication et représentations graphiques.
• Calcul d'intervalles : le traitement des données continues.

Traitement statistique des données à une dimension

• Type de données : qualitative ou quantitative.
• Données avec effectif : calcul de fréquences et interprétation.
• Tri et traitement des données : mise en forme statistique de différents exemples de données brutes.
• Représentations graphiques.
• Paramètres de position : moyenne, mode, médiane.
• Les paramètres de dispersion : étendue, quantiles, décile, variance.
• La variance : une moyenne "d'écarts".

Variables aléatoires

• Définition. Catégorie de variables.
• Exemples et examen de variables aléatoires.
• Courbes de distribution.
• Explications des intervalles de confiance.
• La loi la plus connue : la loi normale.

Statistique descriptive à deux dimensions : les tableaux de contingence

• Les données.
• Représentations graphiques.
• La covariance.
• Le coefficient de corrélation linéaire.

Cas pratique : utilisation des données des participants

• Mise en évidence de la problématique statistique.
• Mise en forme des données.
• Calcul des statistiques de base et représentations graphiques.
• Recherche de la méthode appropriée au problème.

• Parcours certifiant construire et développer des modèles de big data - Réf. ZDM
• Parcours certifiant intégrer des modèles et des services d’intelligence artificielle - Réf. ZIS

• Parcours certifiant construire et développer des modèles de big data - Réf. ZDM