Cette semaine, nous continuons avec les principes fondamentaux de la probabilité, nous introduisons les concepts de variables aléatoires et de distribution de probabilité - à savoir - discrète et continue. Ce cours se concentrera sur la Distribution normale. Vous apprendrez également les différents types d'échantillons, le processus de sélection des échantillons et l'estimation de la moyenne de la population à l'aide des statistiques d'échantillonnage. En outre, vous comprendrez comment la Distribution d'échantillonnage fournit des indications précieuses sur la variabilité à laquelle on peut s'attendre en tirant de façon répétée des échantillons de la même population.

Le module de statistiques commerciales se termine par une discussion sur la marge d'erreur et sa relation avec les estimations d'échantillons. Vous apprendrez à calculer des estimations d'intervalles et à les appliquer dans des contextes professionnels. En outre, cette semaine, nous aborderons les tests d'hypothèse, qui comprennent la formulation d'hypothèses nulles et alternatives et la réalisation de tests de signification pour déterminer les critères de rejet de l'hypothèse. Nous étudierons plus en détail les implications des Erreurs de type I et de type II dans cette prise de décision.

Cette semaine, nous explorons les inférences statistiques impliquant des populations multiples, en mettant l'accent sur l'Analyse d'une variance (ANOVA) en tant que méthode de comparaison des moyennes entre plusieurs groupes ou populations. Vous comprendrez l'importance de l'Analyse de la variance dans l'évaluation des différences entre les groupes et vous apprendrez à interpréter la statistique F produite. L'Analyse de la variance facilite l'identification des différences significatives entre les moyennes des groupes et la compréhension des sources de variation des données.

Cette semaine, nous présentons l'Analyse de Régression et nous nous penchons sur la relation entre les variables dépendantes et les variables indépendantes. Vous découvrirez comment l'Analyse de Régression estime les valeurs de la variable dépendante sur la base de variables indépendantes connues, en aidant à identifier la ligne ou la courbe la mieux ajustée représentant les modèles et les tendances des données. Cette analyse facilite la découverte d'informations cruciales pour une prise de décision éclairée dans divers domaines.

Le cours se termine par une nouveauté unique : tester l'association de deux variables dans un tableau contingence, c'est-à-dire tester si une variable est susceptible de provenir d'une distribution particulière. Nous approfondirons des concepts tels que les tableaux de contingence, les pourcentages en colonne et en ligne, les fréquences observées et attendues, et nous appliquerons les statistiques du khi carré pour tester l'égalité des proportions de la population. En outre, nous apprendrons à utiliser les statistiques du khi carré pour tester l'indépendance de deux variables catégorielles et évaluer la qualité de l'ajustement afin de déterminer si un ensemble de données observées correspond à une distribution spécifique.