Lean Six Sigma Grüner Gürtel Ausbildung & Zertifizierung
Steigern Sie Ihre Karriere mit einer Berufsbezeichnung, die von allen Personalverantwortlichen anerkannt wird.
Erhalten Sie die Position UND das branchenübliche Gehalt.
Analyse de données e-learningstats
Dauer
14 Stunden
250€ HT
/Person
Fesselnde und relevante Inhalte sind der Schlüssel zu unserer 100%igen Erfolgsquote.
Kayla ist ein Green Belt in der B&B-Fabrik von Baumé und muss sich bei ihrer Arbeit mit echten Problemen auseinandersetzen. Sie müssen ihr helfen, die Lösungen zu finden.
Benötigen Sie mehr Unterstützung? Unsere Lehrer, allesamt zertifizierte Master Black Belts, bieten regelmäßig Nachhilfestunden an.
Was Sie brauchen, um die Prüfung zu bestehen und zertifiziert zu werden
Kostenlos testen
Zur KasseZiele
- Prouver la validité d’une hypothèse par un test statistique et interpréter le résultat.
- Comprendre l’utilisation des statistiques descriptives et inférentielles.
- Savoir utiliser le bon test statistique.
- Comprendre la différence entre une régression simple et une régression multiple (linéaire et non linéaire).
Für wen
Cette formation e-learning analyse de données est destinée aux ingénieurs agents de maîtrise ou techniciens qui ont des résultats de production ou d'essais à interpréter, ou qui recherchent des relations de causes à effets ou des correlations dans un tableau de données.
Prérequis
- Bases de l'usage d'internet et d'un navigateur web.
- Un titre de niveau III et /ou une première expérience professionnelle de 2 ans.
- Pas de compétences préalables en statistique requises.
Durée
14 heures d'e-Learning 100% animé, quizz entraînement à la certification, mise en oeuvre des points théoriques sur simulateurs industriels. L'e-Learning est disponible 7j/7 24h/24 pendant 1 mois pour cette formation.
Accessibilité
Cette formation est accessible aux personnes en situation de handicap, merci de nous contacter pour les possibilités d’aménagement spécifiques. Nous mettrons tout en œuvre pour vous accueillir.
Was Sie brauchen, um die Prüfung zu bestehen und zertifiziert zu werden
Kostenlos testenZur KasseProgramm
Statistiques descriptives, Graphiques
- Situer l’intérêt de la représentation graphique
- Cas des variables quantitatives
- Cas des variables qualitatives
- Cas mixte quantitatif/qualitatif
Statistiques descriptives, lois discrètes
- Bases en probabilités
- La loi binomiale, la loi Hypergéométrique et la loi de Poisson
- Contrôle par prélèvement simple
Statistiques descriptives, lois continues
- Origine de la loi de Gauss
- Les paramètres d’une loi de Gauss
- Valider l’hypothèse de normalité
- Tester la présence de valeurs aberrantes
- Loi de Student
- Analyse de normalité Skewness et Kurtosis
- Loi de distribution des moyennes et intervalle de confiance
- Loi de distribution des variances et intervalle de confiance
Statistiques Inférentielles
- Les différents tests d’hypothèses
- Les risques alpha et beta
- Puissance d’un test
Comparaison de fréquences
- Différents tests
- Comparer une fréquence à une fréquence théorique (1P)
- Comparer deux fréquences (2P)
- Comparer plus de deux fréquences (tableau d’indépendance)
Comparaison de Moyennes
- Comparer une Moyenne à une Moyenne théorique (z et t théorique)
- Comparer deux Moyennes (t)
- Comparer plus de deux Moyennes (ANAVAR)
- Savoir dissocier les cas appariés
Comparaison de Variances
- Comparer une Variance à une Variance théorique
- Comparer deux Variances
- Comparer plus de deux Variances
Tests non paramétriques
- Comprendre l’intérêt des tests non paramétriques
- Principe des principaux tests non paramétriques
- Exemples simples de tests non paramétriques (signes et B to C)
- Application aux mesures sensorielles
- Comparaison théorique et appairé : Test de Wilcoxon
- Comparaison de deux populations : Test Mann Whitney
- Comparaison de plus de deux population Test de Krustal-Wallis, Mood, Friedman, Page
Régression simple
- Principes et calculs
- Tests d’hypothèses sur les coefficients
- Interprétation du R²
- Régression non linéaire
Régression multiple
- Principes, calculs et interprétation
- Intérêt de la régression multiple
- Cas de réponses non linéaires
- Cas de facteurs qualitatifs
