Formation 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.

Compétences visées

- Maîtriser les bases de la manipulation de données avec Pandas
- Réaliser des analyses descriptives et des tests statistiques avec SciPy et Statsmodels
- Produire des visualisations avancées avec Matplotlib et Seaborn
- Implémenter des modèles de régression linéaire et logistique
- Automatiser les workflows d'analyse statistique
- Découvrir les principales méthodes d'analyse multidimensionnelle des données

Public

Analystes de données, chercheurs ou ingénieurs souhaitant maîtriser Python pour l’analyse statistique, plus généralement toute personne souhaitant analyser des données avec Python

Pré-requis

Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation Python – Bases et introduction aux librairies scientifiques ou d'avoir atteint par la pratique un niveau équivalent

Méthode pédagogique

Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel Python.

Programme

- 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

Modalités d'évaluation

Un formulaire d'auto-évaluation proposé en amont de la formation nous permettra d'évaluer votre niveau et de recueillir vos attentes. Ce même formulaire soumis en aval de la formation fournira une appréciation de votre progression.
Des exercices pratiques seront proposés à la fin de chaque séquence pédagogique pour l'évaluation des acquis.
En fin de formation, vous serez amené(e) à renseigner un questionnaire d'évaluation à chaud.
Une attestation de formation vous sera adressée à l'issue de la session.
Trois mois après votre formation, vous recevrez par email un formulaire d'évaluation à froid sur l'utilisation des acquis de la formation.

Solutions de financement

Cette formation peut être financée :

dans le cadre du plan de développement des compétences de votre Entreprise
par l’OPCO (opérateur de compétences) de votre Entreprise ou le FAF (Fonds d’Assurance Formation) pour les professionnels libéraux
par France Travail dans le cadre du dispositif de l'Aide Individuelle à la Formation (soumis à accord de votre Agence)
à titre personnel

Accessibilité

Vous souhaitez suivre notre formation Réaliser ses analyses statistiques avec Python et êtes en situation de handicap ? Merci de nous contacter afin que nous puissions envisager les adaptations nécessaires et vous garantir de bonnes conditions d'apprentissage