If you are looking to learn about statistics, but are reluctant to do so, this is the course for you. It provides an excellent introductory solid basis for all other training courses.
- This course covers the fundamental principles and concepts in statistics for engineering applications.
- Classical and more recent exploratory data analysis techniques to efficiently visualise and summarise data are presented.
- The various uses of these methods such as outlier detection will be presented.
- Real-life engineering examples are used to illustrate the principles underlying statistical testing and decision-making in the presence of uncertainty/variation.
- Statistical hypothesis testing, risks involved when using a statistical test « alpha & beta », p-values, confidence intervals & statistical significance are discussed.
- The principle underlying sample size and power determination will be outlined.
Distance Learning Available
- Pourquoi avons-nous besoin de la statistique?
- Analyse descriptive ou exploratoire des données "EDA"
- Aperçu et objectifs
- Importance d'identifier le type et le rôle des variables dans les études
- Visualisation et synthèse des données : le concept de distribution
- Outils graphiques : histogramme, Box-plot, dot-plots, diagrammes de probabilité normale
- Outils numériques : moyenne, médiane, écart-type, erreur-type, etc.
- Exploration de la relation entre deux (2) variables
- Tableaux de fréquences pour les variables catégoriques
- Coefficient de corrélation de Pearson pour les variables continues
- Graphiques : Nuages de points, boîtes à moustaches, etc.
- Inférence statistique ou test d'hypothèses
- Aperçu : Qu'est-ce que l'inférence statistique?
- Inférence statistique avec tests d'hypothèses:
- Hypothèses nulle et alternative
- Test unilatéraux et bilatéraux
- Statistiques de test: t-test, F-test, etc.
- Niveau de signification observé ou "p-value"
- Signification statistique et règles de décision
- Risques liés aux tests d’hypothèses
- Risques ou erreurs de type I et II
- Niveau de confiance d'un test
- Puissance d'un test
- L'importance des calculs de taille d'échantillon et les paramètres d'entrée requis pour estimer la taille d'un échantillon
- Inférence statistique avec intervalles de confiance : interprétation et utilisation
- Inférence statistique pour un échantillon ou un seul groupe : test d'hypothèses ou approche par intervalle de confiance
- Résumé
Cette session s'adresse aux ingénieurs qui doivent prendre des décisions basées sur des données expérimentales.Cette session présente les notions importantes en statistique et en analyse de données. Elle suppose que les participants n'ont aucune connaissance préalable des statistiques ou qu'ils n'ont pas utilisé les statistiques depuis longtemps.
À l’issue de cette formation, les participants seront capables :
- Pour distinguer la statistique descriptive de la statistique inférentielle
- Apprécier la valeur de l'analyse exploratoire des données - Méthodes EDA dans l'analyse préliminaire des données et dans la construction de plans expérimentaux
- Explorer, caractériser et identifier les problèmes et les tendances des données à l'aide d'outils de visualisation de données
- Comprendre les principes sous-jacents aux tests d'hypothèses statistiques, aux intervalles de confiance, aux valeurs p, au risque alpha et à la puissance
- Comprendre l'importance des calculs de taille et de puissance d'échantillon et des paramètres d'entrée requis
- Pour effectuer des analyses de données simples plus rapidement et plus précisément
- Pour interpréter les résultats de manière fiable et en toute confiance
Recommended Duration: 1 day(s)
Course Materials:
TBD
Case Studies:
N/A