Fondamentaux Room: à définir **Objectifs :** Maîtriser les bases de Julia pour la manipulation de données - **Installation et environnement** (15 min) - Installation de Julia et VS Code/Jupyter - Packages essentiels : `Pkg.add(["DataFrames", "Statistics", "StatsBase", "Plots", "CSV"])` - **Structures de données** (45 min) - Vecteurs, matrices et tableaux multidimensionnels - DataFrames : création, indexation, filtrage - Manipulation de colonnes et lignes - Exercice pratique : charger et explorer un jeu de données CSV - **Broadcasting et opérations vectorisées** (30 min) - Opérateur point (`.`) pour les opérations élément par élément - Fonctions anonymes et map/reduce - Exercice : calculs statistiques sur des colonnes

Statistiques descriptives Room: à définir **Objectifs :** Calculer et visualiser des statistiques de base - **Mesures de tendance centrale et de dispersion** (45 min) - Moyenne, médiane, mode avec `Statistics` et `StatsBase` - Variance, écart-type, quantiles - Fonction `describe()` pour un aperçu complet - Exercice : analyse descriptive d'un dataset réel - **Visualisation de données** (60 min) - Introduction à `Plots.jl` et `StatsPlots.jl` - Histogrammes, boxplots, scatter plots - Graphiques de distribution - Personnalisation des graphiques - Exercice : créer un tableau de bord statistique visuel

Distributions et échantillonnage Room: à définir **Objectifs :** Travailler avec les distributions de probabilité - **Package Distributions.jl** (45 min) - Distributions courantes : Normal, Binomial, Poisson, Uniform - Générer des échantillons aléatoires - Calcul de PDF, CDF, quantiles - Ajustement de distributions à des données - **Tests statistiques de base** (45 min) - Tests d'hypothèse avec `HypothesisTests.jl` - Test t de Student, test de Wilcoxon - Test du chi-deux - Interprétation des p-values - Exercice : réaliser plusieurs tests sur vos données

Régression et modélisation Room: à définir **Objectifs :** Construire des modèles statistiques - **Régression linéaire avec GLM.jl** (60 min) - Formules de modèle (@formula) - Ajustement d'un modèle linéaire simple et multiple - Interprétation des coefficients et statistiques - Diagnostic du modèle (résidus, R²) - Prédictions - **Projet final** (45 min) - Analyse complète d'un jeu de données : 1. Import et nettoyage 2. Statistiques descriptives 3. Visualisations 4. Tests d'hypothèse 5. Modèle de régression 6. Interprétation et conclusions