Dans ce module, vous examinerez les principaux concepts de l'échantillonnage et de la conception d'expériences. Vous apprendrez quels sont les pièges les plus curieux et comment évaluer l'efficacité de ces expériences.

Dans ce module, vous découvrirez la définition des probabilités et les règles essentielles de probabilité dont vous aurez besoin pour résoudre des problèmes simples et complexes. Vous découvrirez également des exemples d'utilisation de règles de probabilité simples pour créer des solutions à des situations complexes de la vie réelle.

Ce module couvre la règle empirique et l'approximation normale pour les données, une technique utilisée dans de nombreuses procédures statistiques. Vous découvrirez également la distribution binomiale et les bases des variables aléatoires.

Dans ce module, vous découvrirez la loi des grands nombres et le théorème de la limite centrale. Vous apprendrez également à différencier les différents types d'histogrammes présents dans l'analyse statistique.

Ce module traite de la régression, sans doute la technique statistique la plus importante en raison de sa polyvalence pour résoudre différents types de problèmes statistiques. Vous apprendrez ce qu'est l'inférence, la régression et comment faire des diagnostics de régression.

Dans ce module, vous apprendrez à construire et à interpréter des intervalles de confiance dans des situations standard.

Dans ce module, vous examinerez la logique qui sous-tend les tests et apprendrez à effectuer les tests statistiques appropriés pour différents échantillons et situations. Vous découvrirez également les malentendus et les pièges les plus courants en matière de tests.

Ce module se concentre sur les deux principales méthodes utilisées dans l'inférence statistique informatisée : La méthode de Monte Carlo et la méthode Bootstrap. Vous apprendrez les principes théoriques qui sous-tendent ces méthodes et comment elles sont appliquées dans différents contextes, tels que la régression et la construction d'intervalles de confiance.

Ce module se concentre sur les trois analyses statistiques importantes pour les données catégorielles : Le test d'ajustement du chi carré, le test d'homogénéité du chi carré et le test d'indépendance du chi carré.

Ce module couvre les bases de l'ANOVA et le fonctionnement des tests F sur des exemples d'ANOVA à sens unique.

Dans ce module, vous découvrirez des questions très importantes qui ont fait surface à l'ère du big data : l'espionnage des données et l'erreur des tests multiples. Vous explorerez également les raisons qui expliquent les problèmes de reproductibilité et d'applicabilité des données, et vous apprendrez comment éviter de tels problèmes dans votre propre travail.