Chapitre 1 Données
1.1 Taille des données
1.2 Types de variables
1.2.1 Variables qualitatives et quantitatives
1.2.2 Niveau d'échelle
1.2.3 Variables discrètes et continues

Chapitre 2 : Organisation des données unidimensionnelles
2.1 Métriques basées sur les données
2.1.1 Moyenne
2.1.2 Médiane
2.1.3 Mode
2.2 Indicateur de variance des données
2.2.1 Variance et écart type
2.2.2 Étendue et intervalle interquartile
2.2.3 Organisation des indicateurs de données
2.3 Normalisation des données
2.3.1 Normalisation
2.3.2 Valeur de l'écart
2.4 Visualisation de données unidimensionnelles
2.4.1 Tableau de distribution des fréquences
2.4.2 Histogramme
2.4.3 Diagramme en boîte

Chapitre 3 : Organisation des données bidimensionnelles
3.1 Indicateurs indiquant la relation entre deux données
3.1.1 Covariance
3.1.2 Coefficient de corrélation
3.2 Visualisation de données bidimensionnelles
3.2.1 Diagramme de dispersion
3.2.2 Droite de régression
3.2.3 Carte thermique
3.3 L'exemple d'Anscombe

Chapitre 4 : Principes de base des statistiques inférentielles
4.1 Population et échantillon
4.1.1 Méthode d'échantillonnage
4.2 Modèle de probabilité
4.2.1 Notions fondamentales de probabilité
4.2.2 Distribution de probabilité
4.3 Probabilité des statistiques inférentielles
4.4 Ce que vous apprendrez à partir de maintenant

Chapitre 5 Variables aléatoires discrètes
5.1 Variables aléatoires discrètes unidimensionnelles
5.1.1 Définition des variables aléatoires discrètes unidimensionnelles
5.1.2 Indicateurs de variables aléatoires discrètes unidimensionnelles
5.2 Variables aléatoires discrètes bidimensionnelles
5.2.1 Définition des variables aléatoires discrètes bidimensionnelles
5.2.2 Indicateurs de variables aléatoires discrètes bidimensionnelles

Chapitre 6 : Distributions de probabilité discrètes représentatives
6.1 Distribution de Bernoulli
6.2 Distribution binomiale
6.3 Distribution géométrique
6.4 Distribution de Poisson

Chapitre 7 Variables aléatoires continues
7.1 Variables aléatoires continues unidimensionnelles
7.1.1 Définition des variables aléatoires continues unidimensionnelles
7.1.2 Indicateurs de variables aléatoires continues unidimensionnelles
7.2 Variables aléatoires continues bidimensionnelles
7.2.1 Définition des variables aléatoires continues bidimensionnelles
7.2.2 Indicateurs de variables aléatoires continues bidimensionnelles

Chapitre 8 : Distributions de probabilité continues représentatives
8.1 Distribution normale
8.2 Distribution exponentielle
8.3 Distribution du chi carré
Distribution t de 8,4
Distribution de 8,5 F

Chapitre 9 Distributions indépendantes et identiques
9.1 Indépendance
9.1.1 Définition de l'indépendance
9.1.2 Indépendance et non-corrélation
9.2 Distribution consensuelle
9.2.1 Distribution de la somme des distributions normales
9.2.2 Distribution de la somme de la distribution de Poisson
9.2.3 Distribution de la somme des distributions de Bernoulli
9.3 Distribution des moyennes d'échantillon
9.3.1 Distribution des moyennes d'échantillon selon une loi normale
9.3.2 Distribution des moyennes d'échantillon de la distribution de Poisson
9.3.3 Théorème central limite
9.3.4 Loi des grands nombres

Chapitre 10 Estimation statistique
10.1 Estimation ponctuelle
10.1.1 Estimation ponctuelle de la moyenne de la population
10.1.2 Estimation ponctuelle de la variance de la population
10.1.3 Résumé
10.2 Estimation par intervalle
10.2.1 Estimation de l'intervalle de la moyenne d'une population suivant une loi normale : lorsque la variance de la population est connue
10.2.2 Estimation de l'intervalle de variance de la population d'une distribution normale
10.2.3 Estimation de l'intervalle de la moyenne d'une population suivant une loi normale : lorsque la variance de la population est inconnue
10.2.4 Estimation par intervalle de la moyenne de la population de la distribution de Bernoulli
10.2.5 Intervalle de confiance pour la moyenne de la population de la distribution de Poisson

Chapitre 11 Tests d'hypothèses statistiques
11.1 Tests d'hypothèses statistiques
11.1.1 Principes de base des tests d'hypothèses statistiques
11.1.2 Tests unilatéraux et bilatéraux
11.1.3 Deux erreurs dans les tests d'hypothèses
11.2 Tests d'hypothèses de base
11.2.1 Test de la moyenne d'une population suivant une loi normale : lorsque la variance de la population est connue
11.2.2 Test de normalité de la variance de la population
11.2.3 Test de la moyenne d'une population suivant une loi normale : lorsque la variance de la population est inconnue
11.3 Tests d'hypothèses pour les problèmes à deux échantillons
11.3.1 Test t de comparaison par paires
11.3.2 Test t de comparaison indépendante
11.3.3 Test des rangs signés de Wilcoxon
11.3.4 Seulement ? Le test U de Whitney
11.3.5 Test du chi carré

Chapitre 12 Analyse de régression
12.1 Modèle de régression simple
12.1.1 Hypothèses en analyse de régression
12.1.2 Analyse de régression à l'aide de statsmodels
12.1.3 Coefficients de régression
12.2 Modèle de régression multiple
12.2.1 Coefficients de régression
12.2.2 Variables
12.3 Sélection du modèle
12.3.1 Coefficient de détermination
12.3.2 Coefficient d'ajustement
12.3.3 F noir
12.3.4 Log-vraisemblance maximale et AIC
12.4 Validité du modèle
12.4.1 Test de normalité
12.4.2 Durbin-Watson-Bee
12.4.3 Multicolinéarité

Tout le monde peut le faire !
Les statistiques sont difficiles car il existe de nombreuses formules.
Python vous permet d'effectuer des analyses statistiques sans formules complexes !
En vous exerçant à suivre les instructions du livre, vous vous retrouverez bientôt à effectuer des analyses statistiques.

C'est mieux quand des gens comme ça le voient.
Je souhaite étudier l'analyse statistique en utilisant Python.
J'ai appris les bases de Python, mais je n'ai rien trouvé à étudier ensuite.
Je m'intéresse à l'analyse statistique.
J'ai commencé à étudier les statistiques, mais je n'arrive pas à avoir une vue d'ensemble.
Je souhaite étudier l'analyse de données depuis les bases de l'apprentissage automatique et de l'apprentissage profond.