Bonjour Reader,

J’espère que votre mois de janvier se termine bien. De mon côté, tout se passe bien, bien que je n’aie pas réussi à tenir toutes les bonnes résolutions de l’année 2023. Mais bonne nouvelle pour moi en ce début d’année : j'ai réalisé deux projets que je n'avais pas du tout anticipé.

1. Les sessions quotidiennes de live coding pour monter en compétence en Python
2. et actuellement, tous les jours, j’organise des lives à 19h30 sur ma chaîne YouTube pour progresser en SQL.

Une annonce rapide avant de commencer : Benjamin Ejzenberg et moi organisons une conférence en ligne le 7 février 2024 à 18h pour parler des secrets de la maîtrise des statistiques (et pour vous donner plus de détails sur la formation que nous créons).

Pour participer à cette conférence, réservez votre place en cliquant sur le bouton ci-dessous.

Reserver sa place pour le live

Maintenant, place à l’e-mail du jour !

​

Un point central que l’on oublie trop souvent, c’est que R et Python ne sont que des outils.

Avant de pouvoir programmer, il faut être capable de comprendre les mécanismes qui se cachent derrière chaque analyse.

La statistique est l’élément fondamental à maîtriser pour mieux analyser ses données.

​

Voici le programme de la journée:

1. 24 notions statistiques expliquées en 10 mots maximum
2. Quiz pour évaluer vos compétences

---

24 notions statistiques expliquées en 10 mots max

Fondamentaux de l'Étude Statistique(4) :

• Population : Ensemble total des individus étudiés.
• Échantillon : Sous-groupe représentatif de la population.
• Représentativité : Capacité de l'échantillon à refléter la population.
• Biais de sélection : Erreur dans le choix de l'échantillon.

Mesures et Caractéristiques Statistiques (5) :

• Paramètres : caractéristiques clés de la population.
• Statistiques : Mesures issues de l'échantillon.
• Variance : Mesure de la dispersion des données.
• Biais : Erreurs systématiques dans les estimations.
• Homogénéité des variances : Similitude des variances entre groupes.

Inférence et Tests d’Hypothèse(4) :

• Test d’hypothèse : Vérifier si une hypothèse est valide à partir des données.
• Hypothèse nulle (H0) : Statu quo, aucun effet, absence de différence.
• Hypothèse alternative (H1) : Le changement, présence d’un effet ou d’une différence.
• Tests unilatéraux : Vérifier si un paramètre est plus grand ou plus petit.
• Tests bilatéraux : Contrôle de toute différence significative, indépendamment de la direction.

Évaluation de la Significativité et Erreurs(4) :

• Niveau de significativité (Alpha) : Seuil pour rejeter l'hypothèse nulle.
• Valeur P : Probabilité de résultats extrêmes sous H0.
• Erreur de Type I (Alpha) : Rejet incorrect de H0.
• Erreur de Type II (Beta) : Non-rejet incorrect de H1.
  ​

Estimation et Précision(4) :

• Estimation de paramètres : Utilisation de statistiques pour évaluer les paramètres.
• Intervalle de confiance : Plage probable pour un paramètre.
• Puissance statistique : Aptitude à détecter un effet significatif.
• Taille de l'effet : Ampleur de la différence étudiée.

Méthodes Statistiques Avancées (2):

• Méthode de Monte Carlo : Simulation pour estimer des probabilités.
• Bootstrap : Rééchantillonnage pour estimer une statistique.

​

---

Quiz pour tester votre niveau

À la place du document initialement prévu pour donner toutes les notions en statistique, j'ai préparé un quiz de 10 questions pour évaluer votre niveau. Pour participer à ce challenge cliquez ici: https://tally.so/r/3yYa6g​

QUIZ Statistique

​

Je vous donne rendez-vous le 3 janvier pour parler des tests statistiques.

​

Quel score avez-vous obtenu sur ce nouveau test ? N'hésitez pas à partager cela en répondant à cet e-mail.

Bonne journée à vous et à ce soir pour ceux et celles qui participent au DLC.

​

Let's go!

​

Natacha