Data Analysis
250 €/person
Get your free e-learning module
When analyzing a problem, our first reflex is to trust our intuition, yet experience shows that it is not always reliable. Are there other solutions? The objective of this training course is to approach all descriptive and inferential statistics by presenting the data analysis tools at your disposal
Beyond intuition
When analyzing data, we are often confronted with testing hypotheses: Does machine 1 have fewer faults than machine 2? Has the change in the process made it possible to refocus production on the target? The first intuitive approach would be to trust one's intuition, but experience shows that unfortunately intuition is regularly flawed. To ensure the validity of a hypothesis, it is necessary to prove it by a statistical test. This is even simpler if one is helped by statistical analysis software. But which test to choose? This training will help you to deal with your data and to know how to interpret them.
Concerned audience
This course is intended for engineers, supervisors or technicians who have production or test results to interpret, or who are looking for cause and effect relationships or correlations in a data table. No prior statistical skills required.
Pedagogical means

The online pedagogy proposed on a dedicated platform, is mediatized (video, voice, text, exercises...), fun and multimodal.

  • Fully animated course
  • Use of process simulators for practical application
  • Upgrade to Ellistat software for 6 months for the application of statistical tools.

Statistiques descriptives, Graphiques

  • Situer l’intérêt de la représentation graphique
  • Cas des variables quantitatives
  • Cas des variables qualitatives
  • Cas mixte quantitatif/qualitatif

Statistiques descriptives, lois discrètes

  • Bases en probabilités
  • La loi binomiale, la loi Hypergéométrique et la loi de Poisson
  • Contrôle par prélèvement simple

Statistiques descriptives, lois continues

  • Origine de la loi de Gauss
  • Les paramètres d’une loi de Gauss
  • Valider l’hypothèse de normalité
  • Tester la présence de valeurs aberrantes
  • Loi de Student
  • Analyse de normalité Skewness et Kurtosis
  • Loi de distribution des moyennes et intervalle de confiance
  • Loi de distribution des variances et intervalle de confiance

Statistiques Inférentielles

  • Les différents tests d’hypothèses
  • Les risques alpha et beta
  • Puissance d’un test

Comparaison de fréquences

  • Différents tests
  • Comparer une fréquence à une fréquence théorique (1P)
  • Comparer deux fréquences (2P)
  • Comparer plus de deux fréquences (tableau d’indépendance)

Comparaison de Moyennes

  • Comparer une Moyenne à une Moyenne théorique (z et t théorique)
  • Comparer deux Moyennes (t)
  • Comparer plus de deux Moyennes (ANAVAR)
  • Savoir dissocier les cas appariés

Comparaison de Variances

  • Comparer une Variance à une Variance théorique
  • Comparer deux Variances
  • Comparer plus de deux Variances

Tests non paramétriques

  • Comprendre l’intérêt des tests non paramétriques
  • Principe des principaux tests non paramétriques
  • Exemples simples de tests non paramétriques (signes et B to C)
  • Application aux mesures sensorielles
  • Comparaison théorique et appairé : Test de Wilcoxon
  • Comparaison de deux population : Test Mann Whitney
  • Comparaison de plus de deux population Test de Krustal-Wallis, Mood, Friedman, Page

Régression simple

  • Principes et calculs
  • Tests d’hypothèses sur les coefficients
  • Interprétation du R²
  • Régression non linéaire

Régression multiple

  • Principes, calculs et interprétation
  • Intérêt de la régression multiple
  • Cas de réponses non linéaires
  • Cas de facteurs qualitatifs

+33 9 86 16 51 05

69 rue Cassiopée

74650 Chavanod