Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Apprenez à utiliser Python sur des données d'enquête
Qu'il s'agisse d'une entreprise cherchant à comprendre les préférences professionnelles de ses employés ou d'une campagne marketing souhaitant savoir comment répondre au mieux aux attentes de son public principal, les données d'enquête constituent l'un des meilleurs outils pour mieux comprendre une population et déterminer la marche à suivre dans un domaine donné. Vous découvrirez ici l'objectif de l'analyse des données d'enquête et les cas dans lesquels il est approprié d'utiliser des outils statistiques descriptifs et inférentiels.
Familiarisez-vous avec les principaux outils d'analyse des enquêtes statistiques.
S'appuyant sur les thèmes abordés dans le cours « Hypothesis Testing in Python », ce cours pratique vous permettra de vous familiariser avec l'utilisation de Python pour analyser toutes sortes de données d'enquête.
Vous apprendrez à appliquer diverses méthodes d'échantillonnage, en veillant à représenter fidèlement la population étudiée et à pouvoir en déduire les effets sur la conclusion de votre analyse.
Lorsque vous visualisez les résultats de votre enquête, vous interprétez également de manière qualitative les variables et les résultats associés aux tests de modélisation tels que la régression linéaire, le test t à deux échantillons et le test du chi carré, en fonction du type d'enquête que vous analysez.
Prérequis
Programme de formation
Plan du cours
1
Pourquoi analyser des données d’enquête et quand appliquer des outils statistiques
Qu’est-ce qu’une donnée d’enquête et comment choisir le test statistique adapté pour l’analyser ? Pour y répondre, vous serez en mesure de définir différents types de données d’enquête, d’aborder des notions clés comme les statistiques descriptives et inférentielles, et de visualiser des données d’enquête pour déterminer la technique de modélisation statistique appropriée. Ainsi, vous saurez comment qualifier au mieux, qualitativement et quantitativement, les tendances et enseignements mis en évidence par les enquêtes.
- Introduction à l’analyse des données d’enquête50 XP
- Examiner les niveaux de mesure50 XP
- Table de contingence100 XP
- Statistiques descriptives et inférentielles50 XP
- Statistiques descriptives100 XP
- Statistiques inférentielles100 XP
- Techniques de modélisation statistique50 XP
- Inspection d’un nuage de points100 XP
- Choisir une méthode statistique50 XP
- Faire correspondre la technique d’échantillonnage100 XP
2
Échantillonnage et pondération
Dans ce chapitre, vous apprendrez différentes façons de constituer un échantillon d’enquête à partir d’une population, en analysant les paramètres selon lesquels l’enquête a été réalisée.
3
Statistiques descriptives et inférentielles
Il est temps de comprendre la différence entre statistiques descriptives et inférentielles dans l’analyse d’enquêtes, à l’aide d’exemples concrets. Grâce à des exercices pratiques, vous approfondirez l’interprétation de différentes variables, des mesures clés comme la tendance centrale et le z-score, et vous saurez interpréter les résultats pour passer à l’action.
4
Modélisation statistique
Pour finir, vous appliquerez la modélisation statistique à l’analyse d’enquêtes avec l’analyse de régression, le test t à deux échantillons, le test du khi carré, et vous interpréterez les hypothèses associées à ces tests.
Analyser des données d’enquête en Python
Cours
terminé
