Pourquoi suivre cette formation ? Un tremplin vers une carrière exceptionnelle en analyse de données !

Développez une expertise recherchée et accédez à des opportunités de carrière passionnantes
Cette formation vous offre les compétences et les outils pour percer dans l’un des secteurs les plus dynamiques du marché actuel. En tant que certifié(e) en tant qu’Expert Data Analyst, Business Intelligence Analyst, et Consultant en Analyse de Données, vous serez prêt à répondre aux besoins des entreprises dans des domaines divers : finance, marketing, santé, e-commerce, et bien plus encore. Avec ces trois certifications en poche, vous vous démarquez comme un expert complet, capable de transformer les données en informations stratégiques et décisionnelles.

2. Bénéficiez de certifications reconnues et ouvrant des portes vers des rôles variés
À l’issue de la formation, vous recevrez trois certifications qui attestent de votre maîtrise complète du domaine :

• Certificat d’Expert Data Analyst : pour démontrer votre compétence en collecte et analyse avancée de données, en utilisant des outils incontournables comme Python, SQL et Excel.
• Certificat de Business Intelligence Analyst : pour valider votre capacité à interpréter et visualiser les données afin de guider les stratégies décisionnelles des entreprises.
• Certificat de Consultant en Analyse de Données : pour vous positionner en tant que consultant capable d’accompagner des organisations dans la gestion et l’optimisation de leurs données pour une efficacité maximale.

Ces trois certifications vous donneront accès à des opportunités de carrière dans divers secteurs et à des postes clés tels que data analyst, analyste BI, consultant en data ou encore spécialiste en visualisation de données.

3. Accédez à des études de cas réels et des ateliers pratiques pour une expertise immédiate
Nous savons que la pratique est essentielle pour développer de véritables compétences. Notre formation est conçue autour d’études de cas réels et d’ateliers interactifs qui simulent des défis professionnels. Vous apprendrez à :

• Analyser des données complexes pour en extraire des insights stratégiques.
• Créer des tableaux de bord visuels et des rapports à forte valeur ajoutée.
• Appliquer des techniques de machine learning et de business intelligence pour répondre aux problématiques actuelles des entreprises.

Ces ateliers vous permettront d’acquérir non seulement des connaissances théoriques, mais aussi des compétences pratiques immédiatement exploitables dans votre parcours professionnel.

4. Réseautage et communauté : développez votre réseau professionnel
En rejoignant cette formation, vous ferez partie d’une communauté active de professionnels, de formateurs expérimentés et de futurs experts en data analysis. Vous aurez l’opportunité de :

• Collaborer et échanger avec des professionnels du secteur.
• Participer à des discussions en ligne et à des séances de questions-réponses avec des experts.
• Accéder à un réseau d’anciens élèves, de recruteurs et d’entreprises partenaires, vous permettant ainsi de bâtir des relations solides et d’ouvrir de nouvelles perspectives professionnelles.

Objectif de la formation

Cette formation a pour but de fournir aux participants les compétences nécessaires pour traiter, analyser, et exploiter des données de plus en plus nombreuses et complexes. L’objectif est de transformer ces données en informations stratégiques pour une prise de décision éclairée. Plus spécifiquement, la formation vise à :

• Maîtriser les Fondamentaux de l’Analyse de Données : Acquérir une solide compréhension des concepts de base de l’analyse de données, incluant les types de données, les techniques de nettoyage et de préparation des données, et les méthodes de visualisation des données.
• Apprendre à Utiliser des Outils d’Analyse de Données : Former les participants à l’utilisation de logiciels et d’outils d’analyse de données tels que Excel, power BI, Python, R, SQL et Stata afin de réaliser des analyses de données de manière efficace et rigoureuse.
• Développer des Compétences en Analyse Statistique : Enseigner les techniques d’analyse statistique essentielles pour interpréter les données, identifier des tendances, et dégager des insights significatifs qui aideront à la prise de décisions basées sur des preuves.
• Exploiter les Données pour la Prise de Décision : Former les participants à transformer les résultats d’analyse en recommandations concrètes pour les dirigeants et décideurs, leur permettant ainsi de prendre des décisions éclairées et stratégiques en s’appuyant sur des données fiables.
• Comprendre les Enjeux de la Gestion de Données Massives (Big Data) : Initier les participants aux concepts avancés liés au Big Data, et les familiariser avec les défis et opportunités qu’offre l’analyse de grandes volumétries de données.
• Améliorer l’Interprétation et la Communication des Résultats : Développer la capacité des participants à interpréter correctement les résultats d’analyse et à les communiquer de manière claire et convaincante aux parties prenantes non techniques.
• Préparer les Participants à l’Analyse Prédictive : Introduire les techniques d’analyse prédictive et de modélisation, permettant aux participants d’anticiper des tendances futures et de fournir des recommandations proactives.
• Promouvoir une Culture de Données dans les Organisations : Encourager l’adoption d’une approche orientée données au sein des entreprises, en aidant les participants à devenir des ambassadeurs de la culture de l’analyse de données dans leurs organisations.
• Cette formation est conçue pour outiller les participants avec des compétences pratiques et théoriques, leur permettant de devenir des experts en analyse de données capables de générer une réelle valeur ajoutée pour leur entreprise ou organisation.

Résultat attendu

A l’issue de cette formation, l’apprenant saura traiter des données quantitatives et qualitatives. Il saura résumer l’information pertinente et, en fonction du problème posé, mettre en œuvre les méthodes adéquates et en interpréter les résultats.

• Apprendre à importer et centraliser les données provenant de différentes sources (questionnaires, bases de données, feuilles de calcul Excel, etc.) dans Power BI pour une analyse consolidée.
• Utiliser Power Query pour nettoyer les données et préparer des datasets propres et prêts à l’analyse, en tenant compte des spécificités des indicateurs de suivi et d’évaluation.
• Apprendre à créer et visualiser des KPI pertinents pour le suivi des projets, tels que les taux d’achèvement, les indicateurs de résultats, les indicateurs de processus, etc.
• Utiliser les fonctions « time intelligence » de DAX pour analyser les tendances sur des périodes spécifiques (mensuelles, trimestrielles, annuelles) et suivre les progrès au fil du temps.
• Créer des tableaux de bord interactifs et des rapports dynamiques qui permettent une visualisation claire et concise des indicateurs de performance pour les parties prenantes
• Utiliser les visuels de carte du monde dans Power BI pour géolocaliser les données de projet et analyser la distribution géographique des interventions et des impacts.
• Mettre en place des mécanismes d’automatisation pour générer et distribuer des rapports de suivi à intervalles réguliers, ainsi que des alertes basées sur des seuils de performance prédéfinis.
• Utiliser Power BI Service pour partager des rapports avec les équipes de projet, les bailleurs de fonds et autres parties prenantes, et gérer les droits d’accès pour assurer la sécurité des données.
• Utiliser les analyses et visualisations pour soutenir les décisions stratégiques, en fournissant des insights clairs et actionnables sur la performance des projets.
• Analyser les données pour évaluer l’impact des interventions, en comparant les résultats aux objectifs initialement définis et en identifiant les domaines nécessitant des ajustements.
• Développer des compétences avancées en DAX pour l’analyse approfondie des données et la création de rapports interactifs et automatisés.
• Maîtriser l’utilisation des fonctions complexes de Power BI pour la modélisation des données, l’optimisation des rapports, et la gestion des projets de grande envergure avec des exigences spécifiques en suivi et évaluation.

 

• Acquérir des compétences fondamentales en SQL et gestion de bases de données relationnelles.
• Maîtriser les commandes SQL pour l’exploration, la manipulation et la visualisation de données.
• Développer des bases solides en conception de bases de données et normalisation.
• Apprendre à optimiser les requêtes et gérer des fonctionnalités avancées comme les procédures stockées et les triggers.
• Intégrer SQL avec Python pour des analyses de données et visualisations avancées.
• Découvrir et utiliser les solutions cloud pour la gestion de grandes quantités de données.
• Doter les participants des compétences nécessaires pour utiliser efficacement STATA dans l’analyse de données, la visualisation, la manipulation de données, et la modélisation statistique. Les participants apprendront à exploiter les fonctionnalités de STATA pour mener des analyses statistiques robustes et produire des rapports et des graphiques de haute qualité, tout en développant une compréhension approfondie des méthodes statistiques avancées et des techniques de simulation.
• Maîtriser les bases de R et RStudio : Installation, interface utilisateur et premières manipulations.
• Manipuler et traiter les données efficacement : Importation, nettoyage, recodage, et gestion des données dans R.
• Réaliser des analyses statistiques de base et avancées : Calculs descriptifs et tests d’hypothèses.
• Visualiser les données de manière avancée : Créer des graphiques pertinents et esthétiques pour interpréter les données.
• Appliquer des techniques de Machine Learning : Introduction aux modèles de régression logistique et autres algorithmes, et évaluation des modèles.
• Documenter et partager les analyses : Exporter les scripts et les résultats pour une meilleure coMaîtriser les bases d’Excel : Acquérir les compétences nécessaires pour utiliser Excel de manière efficace pour l’analyse de données.
• Préparation et nettoyage des données : Savoir préparer et nettoyer les données pour garantir la qualité des analyses.
• Analyse statistique descriptive : Effectuer des analyses statistiques descriptives pour résumer les données et obtenir des insights.
• Exploration et visualisation des données : Utiliser Excel pour explorer et visualiser les données, facilitant ainsi la communication des résultats.
• Modélisation des données : Appliquer des fonctions avancées et des techniques de modélisation pour répondre à des questions complexes.
• Calcul et interprétation des corrélations : Comprendre et appliquer les concepts de corrélation pour analyser les relations entre les variables.
• Rapports et communication : Créer des rapports clairs et informatifs pour partager les résultats de l’analyse de données avec les parties prenantes.

 

 

 

1. LES MODULES DE LA FORMATION

Première section : Excel appliquer data analyse

Introduction

• Qu’est-ce que la Data analyse ?
• Les outils disponibles pour la data analyse
• La pertinence d’Excel dans un contexte Big data
• Courbe d’apprentissage du cours

Module 1 : Remise à niveau sur Excel

• Important ! Documents de cours !
• Introduction
• Fonctionnalités d’ouverture d’un fichier Excel
• Les différentes zones du logiciel
• Les références à une cellule ou à un tableau
• Les premiers calculs avec les cellules
• Incrémentation de calcul et étiquettes de noms
• Introduction aux fonctions
• Combinez les fonctions
• Correction exercices
• Les raccourcis clavier

 

Module 2 : Le concept de tableau

• Ceci n’est pas un tableau
• La présentation des données
• Créer et manipuler un tableau
• Enoncé exercice
• Correction exercice

 

Module 3 : Préparation à l’analyse

• Introduction à l’exploration de données
• Définition des colonnes
• Se poser des questions sur le jeu de données
• Corrections

 

Module 4 : Statistique descriptive

• Préparation des données – énoncé
• Préparation des données – Corrections

 

Module 5 : Analyse univariée des variables

• Les types de variables
• Les valeurs extrêmes
• Les valeurs manquantes
• Le mode
• La moyenne et la médiane
• Les quartiles
• Les indicateurs de dispersions
• Faire un récapitulatif global d’une colonne
• Le plugin analysis toolpack
• Analyse des variables qualitatives

 

Module 6 : Exploration de données

• Les filtres
• Les tris
• Les mises en forme conditionnelles
• Astuce : les filtres avancés

 

Module 7 : Les corrélations –

• Le concept de corrélation
• Le coefficient de corrélation
• Analyse de corrélation dans Excel
• Les matrices de corrélation
• Corrections exercice

 

Module 8 : Le data Modeling

• Utilisation de fonctions imbriquées
• Les différents types de fonctions
• Les fonctions de manipulations de texte
• Les fonctions de manipulations de dates
• Les fonctions conditionnelles
• Les fonctions de recherche
• Les fonctions de gestion des erreurs

 

Module 9 : Le rapport de corrélation

• Le concept de rapport de corrélation
• Calculer le rapport de corrélation
• Corrections exercice

Deuxième  section : Power BI

 Introduction

• Installation de Power BI Desktop
• Informations concernant les bases de données
• Avant de commencer la formation
• Module 1 : Transformer et nettoyer vos données à l’aide de Microsoft Power Query : partie

• Introduction à Microsoft Power Query
• Mes premières transformations de données
• Remplir des cellules vides
• Pivoter des colonnes
• Séparer des données de mes colonnes
• Combiner des colonnes à l’aide de conditions
• La suppression rapide de colonnes
• Combiner des bases de données
• Ordonner des dates
• Trouver l’année de naissance
• Classification des âges par groupe

Module 2 : Transformer et nettoyer vos données à l’aide de Microsoft Power Query : partie

• La séparation de données contenant des virgules
• Nouvelle source versus entrer des données
• Combiner plusieurs fichiers Excel
• Contrôler la qualité de mes données
• Changer la source des données
• Créer des colonnes à l’aide d’une suite logique
• Les colonnes conditionnelles versus la fonction de remplacement des valeurs
• Utiliser la référence versus la duplication d’une base de données
• Importation d’une base Excel sur SQL Server puis Power BI
• Déterminer la provenance des données
• Un exemple de web scraping (importation de données depuis un site internet)

 

Module 3 : Le langage DAX dans Microsoft Power BI : première partie

• Introduction et définition DAX
• Mesures versus colonnes calculées
• Le contexte de filtre dans DAX : première partie
• Le contexte de filtre dans DAX : deuxième partie
• La fonction Calculate : première partie
• La fonction Calculate : deuxième partie
• La fonction SUM et SUMX
• La fonction Sameperiodlastyear dans DAX

 

Module 4 : Le langage DAX dans Microsoft Power BI : seconde partie

Les fonctions « time intelligence » : première partie

Les fonctions « time intelligence » : deuxième partie

La fonction Previousmonth

La fonction RANKX : première partie

La fonction RANKX : deuxième partie

La fonction Keepfilters

La fonction Summarize

Les variables dans DAX

La fonction Selectedvalue : première partie

La fonction Selectedvalue : deuxième partie

Les moyennes mobiles dans DAX

La fonction AVERAGE et AVERAGEX

 

Module 5 : La création de visuels dans Microsoft Power BI Desktop

• La création de visuels dans Microsoft Power BI Desktop
• Construction d’un premier visuel dans Power BI
• Mon premier tableau dans Power BI
• Les différences entre tables et matrices
• Quelques modifications sur un visuel de type Matrice : Partie 1
• modifications sur un visuel de type Matrice : Partie 2
• Quelques modifications sur un visuel de type Matrice : Partie 3
• Mise en forme conditionnelle dans Power BI : partie 1
• Mise en forme conditionnelle dans Power BI : partie 2

 

Module 6 : La création de visuels complexes dans Power BI Desktop

• Mon Histogramme complexe sur Power BI : Partie 1
• Mon Histogramme complexe sur Power BI : Partie 2
• Mon Histogramme complexe sur Power BI : Partie 3
• Mon graphique en courbe sur Power BI
• La création d’un visuel « vignette »
• Le visuel carte du monde sur Power BI : paramètre
• Le visuel carte du monde sur Power BI
• le visuel « jauge » sur Power BI
• Segmentation de mes visuels dans Power BI
• Quelques éléments supplémentaires sur les visuels dans Power BI
• Aide pour choisir son type de visuel
• Le marché des visuels dans Microsoft Power BI

 

Module 7 : Introduction à Microsoft Power BI Service

• Informations concernant les bases de données et les vidéos
• Introduction à Microsoft Power BI Service
• Les tarifs des différentes versions
• La création d’un compte Microsoft Power BI Service
• La publication de votre premier rapport dans le service de Power BI
• Les premières fonctionnalités dans Power BI Service
• La création d’un tableau de bord
• La planification d’une actualisation dans Microsoft Power BI Service
• Actualisation d’un fichier Excel dans Microsoft Power BI Service
• Les droits des utilisateurs et la sécurité dans Microsoft Power BI Service
• Partager un rapport dans Microsoft Power BI Service
• Importer un rapport sur un site WordPress
• Création d’un rapport Powerpoint dans Microsoft Power BI Service
• Ajouter des restrictions dans vos rapports
• Le concept de Dataset dans Microsoft Power BI Service
• Le concept de Dataflux dans Microsoft Power BI Service partie 1
• Le concept de Dataflux dans Microsoft Power BI Service partie 2
• La création d’une application dans Microsoft Power BI Service
• Automatiser le partage à l’aide de la création d’une newsletter
• Les différents rôles dans un espace de travail

 

Troisieme  section : SQL

Module 1 : Introduction au SQL et aux bases de données

• Comprendre les bases de SQL : Définir ce qu’est le SQL, explorer son histoire, son importance sur le marché de l’emploi, et comparer SQL avec NoSQL.
• Évaluation des connaissances : Quiz sur les concepts d’introduction au SQL.

 

 Module 2 : Installation et découverte de l’environnement de travail

• Installer les environnements SQL : Apprendre les différences entre SQL Server, MySQL et PostgreSQL, et résoudre les erreurs d’installation.
• Découverte des outils : Introduction à la base de données AdventureWorks, installation de l’environnement de travail, et présentation de PG Admin.
• Évaluation des connaissances : Quiz sur l’installation et la découverte de l’environnement.

 

Module 3 : Les bases du langage SQL

• Maîtriser les requêtes de base : Utilisation des commandes SELECT, SELECT DISTINCT, WHERE, ORDER BY, LIMIT, GROUP BY, HAVING, et les expressions conditionnelles.
• Pratique intensive : Exercices pratiques sur les différentes commandes et filtres SQL.
• Évaluation des connaissances : Quiz sur les concepts appris.

 

Module 4 : Les jointures (JOIN)

• Comprendre les jointures : Apprendre les différents types de jointures (INNER JOIN, LEFT JOIN, RIGHT JOIN, OUTER JOIN, SELF JOIN).
• Pratique des jointures : Exercices pratiques pour chaque type de jointure.
• Évaluation des connaissances : Quiz sur les jointures.

 

Module 5 : Conception de base de données

• Principes de base de la conception : Introduction aux clés primaires et étrangères, formes normales et normalisation.
• Typologies et types de données : Apprendre les typologies de bases de données relationnelles et les types de données possibles.
• Création et manipulation de bases de données : Créer des bases de données, des tables, ajouter des contraintes, insérer, modifier et supprimer des données.
• Évaluation des connaissances : Quiz sur la conception de base de données.

 

Module 6 :  Les fonctions

• Utilisation des fonctions : Introduction aux fonctions SQL (texte, numériques, dates, JSON) et expressions régulières (Regex).
• Pratique des fonctions : Exercices pratiques sur l’utilisation des différentes fonctions.
• Évaluation des connaissances : Quiz sur les fonctions SQL.

 

Module 7 : Les sous-requêtes et les vues

• Maîtriser les sous-requêtes et les vues : Apprendre à utiliser les sous-requêtes simples et corrélées, et les vues.
• Pratique des sous-requêtes et vues : Exercices pratiques pour maîtriser ces concepts.
• Évaluation des connaissances : Quiz sur les sous-requêtes et les vues.

 

 

 

Module 8 : Les fonctionnalités avancées

• Optimisation et gestion avancée : Utilisation de l’indexation pour l’optimisation, procédures stockées, triggers, gestion des droits d’accès, et transactions ACID.
• Pratique avancée : Exercices pratiques sur les procédures, triggers et gestion des droits.
• Évaluation des connaissances : Quiz sur les fonctionnalités avancées.

 

Module 9 : SQL et Python

• Intégration avec Python : Introduction à Python, utilisation de Notebooks Python, exécution de requêtes SQL, visualisation de données et manipulation avec Pandas.
• Pratique de l’intégration : Exercices pratiques sur l’intégration de SQL et Python.

 

Module 10 : Découverte de la solution Cloud Big Query

• Exploration des solutions cloud : Comprendre les solutions cloud, introduction à Big Query, import et analyse de données avec Big Query, création de dashboards Looker.

Quatrième section : Programmation R

Module 1 : Introduction à la Programmation R

• Présentation de la formation : Introduction aux objectifs et à la structure de la formation.
• Installation de R et RStudio : Guide pour télécharger et installer R et RStudio, et découverte de l’interface de RStudio.
• Présentation du projet : Aperçu du projet final que les participants réaliseront.

 

Module 2 : Traitement des Données et Manipulations Avancées

• Importer des données : Apprendre à importer des données dans R, avec des astuces pour simplifier le processus.
• Manipulation des données : Modifier les noms de colonnes, le contenu des cellules, traiter les valeurs manquantes, et recoder les variables qualitatives et quantitatives.
• Prétraitement des données : Vérification finale des données avant les analyses ultérieures.

 

Module 3 : Statistiques pour l’Analyse de Données

• Calculs statistiques de base : Apprendre à calculer les effectifs, fréquences, pourcentages, moyennes, médianes, quartiles, minimums, maximums, variances et écarts-types.

 

Module 4 : Visualisation Avancée des Données (DataViz)

• Introduction à la Data Visualization : Concepts de base et importance de la visualisation des données.
• Création de graphiques : Produire des diagrammes à barres, diagrammes circulaires, boîtes à moustaches, histogrammes, et graphiques croisés pour comparer les variables.

 

Module 5 : Réaliser des Tests d’Hypothèses / Tests Statistiques

• Introduction aux tests d’hypothèses : Concepts et importance des tests statistiques.
• Tests spécifiques : Apprendre et pratiquer le test du Khi-Deux, le test de Shapiro-Wilk, le test de Mann-Whitney, et le test de Student.

 

Module 6 : Data Science : Appliquer un Algorithme de Machine Learning

• Introduction à la régression logistique : Concepts de base et applications pratiques.
• Création et optimisation de modèles : Séparation des données en jeux d’entraînement et de test, création et optimisation du modèle de régression logistique, et faire des prédictions.
• Évaluation des performances : Utiliser des matrices de confusion, analyser les performances avec le test de Hosmer et Lemeshow et la courbe ROC.

 

Module 7 : Conclusion, Conseils, Remerciements et Bonus

• Synthèse de la formation : Résumer les points clés abordés durant la formation et fournir des conseils pour la suite.
• Bonus : Exporter le code R en différents formats (HTML, Word, PDF) pour faciliter le partage et la documentation des analyses.

 

 

 

Cinquième  section : STATA

Introduction

Introduire les participants à STATA et aux concepts de base de l’analyse de données.

Module 1 : Mise en route

• L’interface de Stata : Familiariser les participants avec l’interface utilisateur de STATA.
• Utilisation de l’aide dans Stata : Apprendre à utiliser les ressources d’aide intégrées dans STATA pour résoudre les problèmes.
• Syntaxe des commandes : Comprendre la syntaxe de base des commandes STATA.
• Fichiers .do et .ado : Apprendre à créer et utiliser des fichiers de commandes (.do) et des programmes (.ado) dans STATA.
• Fichiers journaux : Savoir comment générer et gérer des fichiers journaux pour documenter les sessions d’analyse.
• Importer des données : Maîtriser les différentes méthodes d’importation de données dans STATA.

 

Module 3 : Exploration des données

• Visualisation des données brutes : Savoir afficher et examiner les données importées.
• Description et résumé : Apprendre à décrire et résumer les données avec des statistiques descriptives.
• Tabulation et tableaux : Utiliser des tableaux pour organiser et examiner les données.
• Valeurs manquantes : Identifier et gérer les valeurs manquantes dans les jeux de données.
• Analyse numérique de la distribution : Analyser la distribution des variables.
• Utilisation des pondérations : Apprendre à utiliser des pondérations dans les analyses.

 

Module 4 : Manipulation des données

• Recodage d’une variable existante : Modifier les valeurs des variables existantes.
• Création de nouvelles variables, remplacement d’anciennes variables : Générer de nouvelles variables et remplacer les anciennes.
• Nommer et étiqueter les variables : Apprendre à nommer et étiqueter correctement les variables.
• Extensions pour générer : Utiliser des extensions pour la génération de variables complexes.
• Variables indicatrices : Créer et utiliser des variables indicatrices.
• Conserver et supprimer des données/variables : Savoir comment conserver ou supprimer des parties spécifiques des données.
• Sauvegarde des données : Apprendre à sauvegarder les jeux de données après les modifications.
• Conversion de données sous forme de chaînes de caractères : Convertir des données en format texte et inversement.
• Combinaison de données : Fusionner différentes sources de données.
• Utiliser efficacement les macros et les boucles : Automatiser les tâches répétitives avec des macros et des boucles.
• Accès aux informations stockées : Accéder et utiliser les informations stockées dans les jeux de données.
• Boucles multiples : Apprendre à utiliser des boucles imbriquées pour des manipulations complexes.
• Variables de date : Travailler avec des variables de date dans STATA.
• L’indice sur les groupes : Appliquer des opérations par groupes dans les données.

 

 Module 5 : Visualisation des données

• Graphiques dans Stata : Créer et personnaliser différents types de graphiques.
• Graphiques en barres et en points : Utiliser des graphiques en barres et en points pour représenter les données.
• Graphiques de distribution : Représenter graphiquement la distribution des données.
• Diagrammes à secteurs : Créer des diagrammes circulaires.
• Lignes de meilleur ajustement : Ajouter des lignes de tendance aux graphiques.
• Représentation graphique de fonctions personnalisées : Visualiser des fonctions personnalisées.
• Graphiques en courbes de niveau : Créer des graphiques en courbes de niveau et analyser les interactions.
• Données de gigue dans les diagrammes de dispersion : Ajouter des jittres pour améliorer la lisibilité des diagrammes de dispersion.
• Graphiques en tournesol : Utiliser des graphiques en tournesol pour représenter les données.
• Combinaison de graphiques : Combiner plusieurs types de graphiques.
• Modification de la taille des graphiques : Ajuster la taille des graphiques.
• Graphiques par groupes : Créer des graphiques segmentés par groupes.
• Modifier la couleur des graphiques : Personnaliser les couleurs des graphiques.
• Ajouter du texte aux graphiques : Ajouter des annotations aux graphiques.
• Diagrammes de dispersion avec catégories : Créer des diagrammes de dispersion catégorisés.

 

Module 6 : Test des moyennes, corrélations et ANOVA

• Association entre deux variables catégorielles : Tester l’association entre deux variables catégorielles.
• Test des moyennes : Réaliser des tests de comparaison de moyennes.
• Corrélation bivariée : Calculer et interpréter les corrélations bivariées.
• Analyse de la variance (ANOVA) : Effectuer des ANOVA pour comparer les moyennes entre groupes.

 

Module 7 : Régression linéaire

• Régression par les moindres carrés ordinaires (MCO) : Apprendre les bases de la régression linéaire.
• Variables factorielles dans la régression MCO : Utiliser des variables factorielles dans les régressions.
• Statistiques de diagnostic pour la régression MCO : Analyser les diagnostics de régression.
• Variables dépendantes logarithmiques et effets d’interaction dans la régression MCO : Travailler avec des variables dépendantes logarithmiques et des interactions.
• Test d’hypothèse dans la régression par les MCO : Tester des hypothèses dans les régressions.
• Présentation des estimations de la régression par MCO : Présenter les résultats de régression.
• Standardisation des estimations de régression : Standardiser les coefficients de régression.
• Représentation graphique des estimations de régression : Visualiser les estimations de régression.
• Analyse de décomposition d’Oaxaca : Effectuer une analyse de décomposition d’Oaxaca.
• Modèles mixtes : Intercepts et coefficients aléatoires : Apprendre les modèles à effets mixtes.
• Régression linéaire sous contrainte catégorique : Utiliser des régressions avec contraintes catégoriques.

 

Module 8 : Modèles de choix catégoriques

• Modèles de choix binaires (régression Logit/Probit) : Apprendre les modèles logit et probit.
• Diagnostic et interprétation de la régression Logit et Probit : Diagnostiquer et interpréter les modèles logit et probit.
• Modèles de choix ordonnés et multinomiaux : Travailler avec des modèles ordonnés et multinomiaux.

 

Module 9 : Modèles à variables fractionnaires/proportionnelles

• Logit fractionnaire, régression bêta et régression bêta non gonflée : Apprendre les modèles pour variables fractionnaires et proportionnelles.

 

Module 10 : Nombres aléatoires et simulation

• Nombres aléatoires : Générer des nombres aléatoires.
• Processus de génération de données : Simuler des processus de génération de données.
• Simulation d’une violation des hypothèses statistiques : Simuler des scénarios de violation des hypothèses statistiques.
• Simulation de Monte Carlo : Réaliser des simulations de Monte Carlo.