Ce chapitre couvre les étapes essentielles pour bien démarrer en statistique, notamment l'installation des logiciels nécessaires et la compréhension des concepts de base en statistique descriptive et inférentielle.

• Installer R, Python et RStudio sur Mac et Windows
• Comprendre les concepts de base en statistique
• Définir et distinguer statistique descriptive et inférentielle
• Appréhender les variables qualitatives et quantitatives
• Réaliser des cas pratiques et des quiz pour valider vos connaissances
• Mener un projet statistique univarié avec R

Ce chapitre explore la description bidimensionnelle des données, vous permettant d'analyser et de visualiser les relations entre deux variables.

• Analyser des nuages de points et des corrélations
• Étudier les relations entre variables qualitatives et quantitatives
• Créer des boxplots et des tableaux de contingence
• Réaliser des diagrammes en barre et des profils de colonne
• Passer des quiz et réaliser des cas pratiques
• Mener un projet statistique bivarié avec R

Ce chapitre introduit les notions fondamentales de probabilité et les principaux tests statistiques pour analyser des distributions et estimer des paramètres.

• Maîtriser les concepts clés de probabilité
• Analyser les distributions avec les lois binomiale et normale
• Comprendre la loi du khi-deux, de Student et de Fisher
• Estimer des paramètres et construire des intervalles de confiance
• Passer des quiz et réaliser des cas pratiques
• Mener un projet d'estimation ponctuelle et par intervalle de confiance

Ce chapitre aborde les tests statistiques essentiels pour valider des hypothèses et comparer des échantillons dans des situations pratiques.

• Comprendre les notions essentielles des tests statistiques
• Réaliser des tests d'égalité à une valeur moyenne ou proportion
• Tester la normalité des données
• Valider la relation entre deux variables
• Comparer deux ou plusieurs échantillons
• Mener un projet d'analyse bivariée avec tests statistiques

Ce chapitre vous guide à travers les étapes nécessaires pour construire et évaluer un modèle de régression linéaire afin de réaliser des prédictions précises.

• Boostez votre productivité avec Quarto
• Suivez les 6 étapes pour construire des modèles de régression
• Nettoyez et décrivez la base de données
• Choisissez les variables pertinentes pour le modèle
• Vérifiez la robustesse et le pouvoir de généralisation du modèle
• Réalisez des prédictions fiables et passez les quiz

Ce chapitre vous guide dans la construction d'un modèle de régression logistique pour réaliser des prédictions, en suivant une méthodologie rigoureuse.

• Définir clairement la problématique
• Analyser et traiter les données
• Sélectionner les variables pertinentes
• Construire et évaluer le modèle de régression logistique
• Prédire des résultats, comme le Churn
• Mener un projet de modélisation des prix immobiliers

Ce chapitre explore les techniques essentielles pour analyser des données temporelles, en utilisant divers outils et méthodes pour représenter et prédire les tendances.

• Importer et traiter les données temporelles
• Représenter et interpréter graphiquement les séries temporelles
• Utiliser Plotly pour des graphiques dynamiques
• Analyser l'évolution avec les moyennes mobiles
• Comprendre la notion de stationnarité
• Réaliser des prédictions sur des séries temporelles