Sciences des Données - 1ère Année Cycle Ingénieur

Study Notes

Sujet : Sciences des Données - 1ère Année Cycle Ingénieur

Environnement Python:
- Utiliser "Online Matplotlib Compiler".
- Importer les bibliothèques Python suivantes: matplotlib.pyplot, scipy.stats, numpy, pylab, pandas, seaborn, statistics, statsmodels.api, openpyxl.
Importation de Bases de Données CSV:
- Ouvrir un fichier CSV.
- Utiliser pd.read_csv("nomdufichier.csv", header = 0, sep ",") pour l'importer dans un DataFrame pandas. N'oublier pas les guillemets dans le code.
Importation de Bases de Données XLSX:
- Ouvrir un fichier XLSX.
- Utiliser pd.read_excel("nomdufichier.xlsx") pour l'importer dans un DataFrame pandas. N'oublier pas les guillemets dans le code.

Corps du Sujet

Analyse globale de la base de données:
- Calculer des mesures statistiques de base sur les variables (moyennes, écarts types, etc.).
- Créer des histogrammes pour chaque variable pour visualiser les distributions.
- Créer des boites à moustaches pour identifier les valeurs aberrantes.
Description des variables qualitatives:
- Décrire la nature des variables qualitatives de la base de données.
- Conjointement à des variables quantitatives.
- Conjointement à des variables qualitatives et quantitatives.
Description conjointe des variables quantitatives:
- Calcul et interprétation des corrélations.
- Visualisation par des graphiques appropriés (ex: nuage de points).
Tests de normalité:
- Vérifier si les données suivent une distribution normale (ex: test de Shapiro-Wilk).
- Mettre en place une éventuelle transformation logarithmique si nécessaire.
Tests d'une moyenne:
- Tester si la moyenne d'une variable est significativement différente de la moyenne théorique (ex: tests t).
Tests de comparaison de 2 moyennes:
- Comparer les moyennes de deux groupes.
Tests d'indépendance de 2 variables qualitatives:
- Déterminer si il existe une association entre deux variables qualitatives (ex: test du Chi-deux).
Tests de corrélation: Corrélations entre variables quantitatives (ex : coefficient de corrélation de Pearson).
Tests d'une proportion: Comparer les proportions de deux groupes.
Tests de comparaison de deux proportions: Comparer les proportions de deux groupes.
Tests de positionnement: Identifier des valeurs limites ou des positions spécifiques dans les données.
Tests de comparaison de plusieurs moyennes: Comparer les moyennes de plus de deux groupes (analyse ANOVA).
Intervalles de confiance pour une moyenne: Calculer des intervalles de confiance pour une moyenne.
Classification: Classifier des observations dans différents groupes.
Régression linéaire: Modéliser la relation entre une variable dépendante et une ou plusieurs variables indépendantes.

Rendu du Projet

Le projet doit être rendu jeudi 13 février 2025.
Le rendu doit inclure un fichier Word avec le code Python commenté et les graphiques.
Les sorties de code Python doivent être incluses.
Utiliser l'outil "outil-capture" de Windows pour les graphiques.