Statistical Models for Social Sciences

́ Beaucoup d’entreprises imaginent l’IA comme un chemin simple : 𝐃𝐨𝐧𝐧𝐞 ́ 𝐞𝐬 → 𝐈𝐀 → 𝐕𝐚𝐥𝐞𝐮𝐫 . 👉 Mais la réalité est bien plus complexe ! L’intelligence artificielle repose sur : 𝐈𝐧𝐠𝐞 ́ 𝐧𝐢𝐞𝐫𝐢𝐞 𝐝𝐞𝐬 𝐝𝐨𝐧𝐧𝐞 ́ 𝐞𝐬 : exploration, nettoyage, normalisation, feature engineering. 𝐌𝐨𝐝𝐞 ́ 𝐥𝐢𝐬𝐚𝐭𝐢𝐨𝐧 : sélection de modèles, entraînement, évaluation, ajustements. 𝐌𝐢𝐬𝐞 𝐞𝐧 𝐩𝐫𝐨𝐝𝐮𝐜𝐭𝐢𝐨𝐧 : déploiement, monitoring, réentraînement. 𝐂𝐨𝐧𝐭𝐫𝐚𝐢𝐧𝐭𝐞𝐬 : biais historiques, sécurité, transparence, aspects légaux. 💡 L’IA ne se résume pas à un algorithme magique, mais à une chaîne de travail rigoureuse et multidisciplinaire. ________________________________________ Si vous avez trouvé cette publication utile, n'hésitez pas à 𝒍𝒂 𝒍𝒊𝒌𝒆𝒓 𝒆𝒕 à 𝒍𝒂 𝒑𝒂𝒓𝒕𝒂𝒈𝒆𝒓 avec vos amis et collègues ! Pour mieux apprendre l’utilisation des logiciel et modèles statistiques, nous vous invi...

  📚 𝓛𝓮𝓼 𝓔 ́ 𝓬𝓸𝓵𝓮𝓼 𝓭𝓮 𝓹𝓮𝓷𝓼 é 𝓮 é 𝓬𝓸𝓷𝓸𝓶𝓲𝓺𝓾𝓮 : 𝓹𝓲𝓵𝓲𝓮𝓻𝓼 𝓺𝓾𝓲 𝓸𝓷𝓽 𝓶𝓪𝓻𝓺𝓾 é 𝓵 ’ 𝓮 ́ 𝓿𝓸𝓵𝓾𝓽𝓲𝓸𝓷 𝓭𝓮 𝓵 ’ 𝓮 ́ 𝓬𝓸𝓷𝓸𝓶𝓲𝓮 📚 L’histoire de l’économie a été façonnée par plusieurs 𝓮 ́ 𝓬𝓸𝓵𝓮𝓼 𝓭𝓮 𝓹𝓮𝓷𝓼 é 𝓮 , chacune proposant une vision particulière du rôle des marchés, de l’État et des moteurs de la croissance. Ces courants constituent de véritables 𝓹𝓲𝓵𝓲𝓮𝓻𝓼 𝓭𝓮 𝓵𝓪 𝓹𝓮𝓷𝓼 é 𝓮 é 𝓬𝓸𝓷𝓸𝓶𝓲𝓺𝓾𝓮 moderne. 🔹 𝓛 ’ 𝓮 ́ 𝓬𝓸𝓵𝓮 𝓬𝓵𝓪𝓼𝓼𝓲𝓺𝓾𝓮 Fondée par Adam Smith , enrichie par David Ricardo et John Stuart Mill . Idées clés : libre marché, concurrence et intervention minimale de l’État . 🔹 𝓛 ’ 𝓮 ́ 𝓬𝓸𝓵𝓮 𝓷𝓮 ́ 𝓸𝓬𝓵𝓪𝓼𝓼𝓲𝓺𝓾𝓮 Développée à la fin du XIXe siècle par Alfred Marshall et Carl Menger . Accent sur : analyse marginale, interaction offre-demande, décisions individuelles . 🔹 𝓛 ’ 𝓮 ́ 𝓬𝓸𝓵𝓮 𝓴𝓮𝔂𝓷 é 𝓼𝓲𝓮𝓷𝓷𝓮 Proposée par John Maynard K...

Dans la recherche scientifique, il existe plusieurs façons d’analyser et de synthétiser les travaux antérieurs. Chaque type de revue répond à un objectif précis, allant de la simple organisation chronologique à l’évaluation statistique des résultats. Voici les principaux types : 🔹 𝓡𝓮𝓿𝓾𝓮 𝓬𝓱𝓻𝓸𝓷𝓸𝓵𝓸𝓰𝓲𝓺𝓾𝓮 Présente les études selon l’ordre du temps. Montre comment les idées, théories ou méthodes ont évolué. Utile pour comprendre le développement historique d’un sujet. 🔹 𝓡𝓮𝓿𝓾𝓮 𝓽𝓱 é 𝓶𝓪𝓽𝓲𝓺𝓾𝓮 Organise les recherches par thèmes, sujets ou motifs. Met en lumière les similitudes et différences entre études. Idéale pour approfondir une question précise. 🔹 𝓡𝓮𝓿𝓾𝓮 𝓼𝔂𝓼𝓽 é 𝓶𝓪𝓽𝓲𝓺𝓾𝓮 Approche structurée et rigoureuse. Identifie, évalue et synthétise toutes les études pertinentes. Réduit les biais et fournit des conclusions fondées sur les preuves. 🔹 𝓜 é 𝓽𝓪 - 𝓪𝓷𝓪𝓵𝔂𝓼𝓮 Technique statistique combinant les résultats de p...

Le test d’hypothèse est une démarche essentielle en statistique pour prendre des décisions basées sur les données. Voici les étapes clés : 🔹 𝓔 ́ 𝓽𝓪𝓹𝓮 1 : Formuler l’hypothèse nulle et l’hypothèse alternative H0 (hypothèse nulle) : pas d’effet ou pas de différence. H1 (hypothèse alternative) : présence d’un effet ou d’une différence. 🔹 𝓔 ́ 𝓽𝓪𝓹𝓮 2 : Choisir le seuil de signification ( α ) Généralement fixé à 0,05 → 5 % de risque de rejeter H0 alors qu’elle est vraie. 🔹 𝓔 ́ 𝓽𝓪𝓹𝓮 3 : Collecter et analyser les données Données issues d’expériences, d’enquêtes ou d’observations. Utilisation de tests statistiques (t-test, ANOVA, régression). 🔹 𝓔 ́ 𝓽𝓪𝓹𝓮 4 : Calculer la statistique de test et la p-value Statistique de test : mesure l’écart entre données observées et hypothèse nulle. P-value : probabilité d’obtenir un résultat aussi extrême si H0 est vraie. 🔹 𝓔 ́ 𝓽𝓪𝓹𝓮 5 ...

La data regroupe plusieurs métiers complémentaires. 🔍 👉 Ingénieur Data : focus sur les bases de données, pipelines et intégration. 👉 Ingénieur ML : spécialisé en modélisation, MLOps et déploiement. 👉 Scientifique des données : expert en statistiques, modélisation et expérimentation. 👉 Analyste de données : maître de la visualisation, storytelling et insights métiers. 💡 Chaque rôle a son importance et contribue à transformer les données en décisions stratégiques. ________________________________________ ________________________________________ Si vous avez trouvé cette publication utile, n'hésitez pas à 𝒍𝒂 𝒍𝒊𝒌𝒆𝒓 𝒆𝒕 à 𝒍𝒂 𝒑𝒂𝒓𝒕𝒂𝒈𝒆𝒓 avec vos amis et collègues ! Pour mieux apprendre l’utilisation des logiciel et modèles statistiques, nous vous invitons à prendre part à la prochaine session de notre formation en 𝙀𝙘𝙤𝙣𝙤𝙢é𝙩𝙧𝙞𝙚 𝙚𝙩 𝙏𝙚𝙘𝙝𝙣𝙞𝙦𝙪𝙚𝙨 𝙌𝙪𝙖𝙣𝙩𝙞𝙩𝙖𝙩𝙞𝙫𝙚𝙨 ________________________________________ #DataScience #BigData #MachineLe...

Les 𝓼𝓽𝓪𝓽𝓲𝓼𝓽𝓲𝓺𝓾𝓮𝓼 𝓪𝓿𝓪𝓷𝓬 é 𝓮𝓼 vont bien au-delà des bases (moyenne, médiane, écart-type, tests t ou khi-deux). Elles permettent de modéliser, prédire et extraire des informations complexes à partir de données réelles. 𝙐𝙣 𝙡𝙞𝙠𝙚 𝙚𝙩 𝙪𝙣 𝙋𝙖𝙧𝙩𝙖𝙜𝙚 de ce post avant d'aller plus loin nous feront plaisir. 🔹 𝓟𝓻𝓸𝓫𝓪𝓫𝓲𝓵𝓲𝓽 é 𝓼 𝓮𝓽 𝓓𝓲𝓼𝓽𝓻𝓲𝓫𝓾𝓽𝓲𝓸𝓷𝓼 Lois multivariées (normale, Student) Probabilité bayésienne et analyses a priori/postérieure Chaînes de Markov et processus stochastiques 🔹 𝓔𝓼𝓽𝓲𝓶𝓪𝓽𝓲𝓸𝓷 𝓮𝓽 𝓣𝓮𝓼𝓽𝓼 𝓭 ’ 𝓱𝔂𝓹𝓸𝓽𝓱 è 𝓼𝓮 Maximum de vraisemblance (MLE) Estimation bayésienne Tests de rapport de vraisemblance Méthodes non paramétriques (Mann–Whitney, Kruskal–Wallis) 🔹 𝓡 é 𝓰𝓻𝓮𝓼𝓼𝓲𝓸𝓷 𝓮𝓽 𝓜𝓸𝓭 é 𝓵𝓲𝓼𝓪𝓽𝓲𝓸𝓷 Régressions multiples et polynomiales Régression logistique (binaire et multinomiale) Modèles linéaires g...