Au bout de la formation, les participants sont capables de comprendre conceptuellement le fonctionnement des outils abordés, et sont directement opérationnels pour les mettre à exécution sur leurs propres données et problématiques avec XLSTAT.

Approche pédagogique

La formation alterne entre :

• Des explications conceptuelles des outils statistiques sans recours à des formules mathématiques complexes.

• Une abondance d'exemples illustratifs.

• Des ateliers d'application sur des données fournies par le formateur.

Lorsque c'est possible, des ateliers d'application sur des données et problématiques fournies par les participants peuvent être organisés. Nous encourageons cette approche puisqu'elle permet de rendre les participants encore plus opérationnels à l'issue de la formation.

Lieu de la formation : en ligne ou dans les locaux du client.

Langue : Français ou Anglais

Programme : Statistiques avec XLSTAT (3 jours)

Ce programme de base est recommandé pour les personnes souhaitant s'initier à une large gamme d'outils statistiques de base couramment utilisés dans un large spectre de secteurs académiques ou en entreprise.

Jour 1 :

• Introduction

  • Quelques définitions : individus, variables, échantillon, population

  • Préparation du jeu de données pour l’analyse

• Statistiques descriptives univariées

  • Variables qualitatives : tri à plat

  • Variables quantitatives : tendance centrale, dispersion, histogramme

• Statistiques descriptives bivariées

  • Tableau de contingence, nuage de points, coefficients de corrélation, statistiques groupées

Jour 2 :

• Statistiques exploratoires multivariées

  • Analyse en Composantes Principales : concept et application

  • Introduction à l’Analyse Factorielle des Correspondances et à l’Analyse des Correspondances Multiples

• Segmentation d’un jeu de données

  • Classification Ascendante Hiérarchique

  • Classification k-means

  • Description des classes

• Tests statistiques

  • Hypothèse nulle, p-value et risqué d’erreur

  • Tester la différence entre deux moyennes : test t de Student

  • Tester le lien entre deux variables qualitatives : khi²

  • Tester le lien entre deux variables quantitatives : test sur le coefficient de Pearson

  • Echantillons indépendants et appariés

  • Tests non-paramétriques

Jour 3 :

• Modélisation statistique

  • Introduction

  • Régression linéaire simple

  • Régression linéaire multiple

  • Introduction à la régression logistique

  • ANOVA à un facteur et comparaisons multiples

  • ANOVA à plusieurs facteurs et effets d'interaction

• Introduction au Machine learning supervisé

Programme à la carte

Il est tout à fait possible de personnaliser un plan de formation pour s'adapter parfaitement aux besoins des participants. Au-delà des modules énumérés dans le programme de la formation de base ci-dessus, il est possible d'aborder :

• Les outils propres à l'analyse sensorielle : cartographie des préférences, tests de discrimination, caractérisation de produits, analyse de données CATA, Penalty Analysis, etc.

• Les outils propres à la recherche clinique : analyse de survie, régression de Cox, courbes ROC, modèles mixtes, expression différentielle, etc.

• Des méthodes de modélisation avancée : régression pénalisée (ridge, Lasso, Elastic Net, régression PLS...)

• Conception et analyse de Plans d'Expériences DoE : Plans d'effets de facteurs (screening designs), plans de surface de réponse, plans de mélange, plans de Taguchi.

• Aller plus loin dans le Machine Learning non-supervisé : One-class SVM, DBSCAN, etc.

• Aller plus loin dans le Machine Learning supervisé : Arbres, Random Forests, XGBoost, etc.