Cette semaine, nous allons décrire et résumer les informations contenues dans les données en utilisant des valeurs numériques ou des mesures capables de résumer l'information. Il s'agit d'une extension cruciale de l'analyse de la semaine précédente. Bien que les graphiques soient instructifs, il est généralement essentiel pour une meilleure compréhension des données en question de discuter de leurs propriétés numériques. Cette semaine, nous examinerons une série de mesures, telles que les mesures de tendance centrale, l'étendue, la variance, l'écart-type, etc.

La théorie des probabilités est une nouvelle venue dans les mathématiques, et la probabilité appliquée à la pratique est presque inexistante en tant que discipline. Nous devrions tous comprendre les probabilités, et cette conférence vous y aidera. Il est important que vous compreniez tout d'abord que le monde dans lequel se déroule votre avenir n'est pas déterministe et qu'il existe des résultats futurs pour lesquels aucun modèle de probabilité ne peut être développé... Cette semaine, nous aborderons la définition de base des probabilités, les règles de probabilité, les variables aléatoires, les fonctions de densité de probabilité, les attentes d'une variable aléatoire et les variables aléatoires bivariées

Pour que l'analyse statistique fonctionne correctement, il est essentiel de disposer d'un échantillon adéquat, tiré d'une population d'éléments d'intérêt présentant des caractéristiques mesurées. Cette semaine, nous aborderons l'estimation statistique, la distribution d'échantillonnage de la moyenne, l'estimation ponctuelle, l'estimation par intervalle, les tests d'hypothèse, l'hypothèse nulle et nous examinerons quelques exemples concrets de leur utilisation.