Syllabus Analyse Statistique Données Enquêtes

ANALYSE STATISTIQUE DES DONNEES D'ENQUETES
Syllabus académique - M. Kambou Anicet Cyrille 1
SYLLABUS DE FORMATION
Analyse statistique des données d’enquêtes
Fondements théoriques et applications pratiques avec Excel, Python et SPSS
Période de formation
Du lundi 20 avril 2026 au vendredi 24 avril 2026
Volume horaire
30 heures
Formateur :
M. Kambou Anicet Cyrille
Enseignant-Chercheur à l’ESA/INP-HB
Unité Mixte de Recherche et Innovation Science Agronomique et Procédés de Transformation (UMRI-SAPT)
Unité de Recherche Foresterie, Environnement et Génie Rural (UR-FEGER)
Laboratoire d’Agronomie, de Foresterie et de Défense des Cultures (LAFDC)
Contact : [phone]
E-mail : [e-mail]
1. Présentation du module
Ce module de formation porte sur l’analyse statistique des données d’enquêtes, en articulant de manière progressive les
fondements théoriques de la statistique et leur mise en œuvre pratique à l’aide de trois outils couramment mobilisés dans
les milieux académiques et professionnels, à savoir Excel, Python et SPSS.
La formation débute par une clarification des concepts fondamentaux relatifs à la statistique, aux données, aux variables
et aux méthodes de collecte. Elle introduit ensuite les apprenants aux deux grands volets de l’analyse statistique, à savoir
la statistique descriptive et la statistique inférentielle, avant d’aborder les principales méthodes d’analyse, les conditions
de validité des tests statistiques, ainsi que les principes d’interprétation rigoureuse des résultats.
L’approche pédagogique retenue combine exposés théoriques, démonstrations, travaux pratiques guidés et études de
cas appliquées à des données d’enquêtes.
2. Objectif général
L’objectif général de ce module est de permettre aux participants de maîtriser les bases théoriques et méthodologiques
de l’analyse statistique des données d’enquêtes et de savoir mettre en œuvre les principales techniques d’analyse dans
des environnements logiciels adaptés.
3. Objectifs spécifiques
À l’issue de la formation, les participants devront être capables de :
• définir correctement les notions de statistique et de statistiques ;
• identifier la nature des données et distinguer les différents types de variables ;
• comprendre les modes d’obtention des données d’enquêtes ( KoboToolbox et Google Forms );
• distinguer la statistique descriptive de la statistique inférentielle ;
• calculer et interpréter les principaux paramètres descriptifs ;
• choisir les représentations graphiques en fonction du type de variable et de l’objectif d’analyse ;
• comprendre les fondements probabilistes de l’inférence statistique ;
• identifier les principales lois statistiques mobilisées dans les tests ;
• sélectionner un test statistique approprié en fonction de la nature des données et question de recherche ;
• vérifier les conditions de réalisation des principaux tests statistiques ;
• réaliser des analyses statistiques avec Excel, Python et SPSS ;
• interpréter et présenter les résultats de manière claire, rigoureuse et scientifiquement fondée

ANALYSE STATISTIQUE DES DONNEES D'ENQUETES
Syllabus académique - M. Kambou Anicet Cyrille 2
5. Prérequis
Les participants doivent disposer :
• de connaissances élémentaires en informatique (Gestion de fichiers, dossiers, installations…);
• d’une familiarité minimale avec les tableaux de données ;
• d’une capacité de manipulation simple de fichiers Excel ;
Aucune maîtrise avancée préalable de Python n’est exigée.
6. Contenus du module
6.1. Fondements théoriques de la statistique
• Définition de la statistique et des statistiques
• Rôle de la statistique dans la recherche, l’aide à la décision et le suivi-évaluation
• Notions de population, échantillon, individu statistique, variable et modalité
• Types de variables : qualitatives et quantitatives
• Échelles de mesure
• Sources et modes d’obtention des données
• Outils de collecte numérique : KoboToolbox, Google Forms, formulaires numériques
• Structure générale d’un questionnaire d’enquête
• Qualité des données et principales sources d’erreurs
6.2. Statistique descriptive
• Préparation, nettoyage et organisation des données
• Tableaux statistiques, effectifs, fréquences et tableaux croisés
• Mesures de tendance centrale : moyenne, médiane, mode
• Mesures de dispersion : variance, écart-type, étendue, coefficient de variation
• Mesures de position : quartiles, déciles, percentiles
• Paramètres de forme
• Représentation graphique des données
• Choix des graphiques en fonction du type de variable et de l’objectif d’analyse
• Analyse bivariée descriptive
6.3. Statistique inférentielle
• Introduction à l’inférence statistique
• Notions de probabilité et distributions d’échantillonnage
• Théorème central limite
• Estimation ponctuelle et intervalles de confiance
• Principales lois statistiques : normale, binomiale, Student, Khi-deux, Fisher
• Hypothèses statistiques, risque d’erreur, seuil de signification, p-value
• Logique générale des tests statistiques
6.4. Tests statistiques
• Tests paramétriques
• Tests non paramétriques
• Conditions de réalisation des tests
• Choix du test en fonction :
o du type de variables ;
o de la question posée ;
o de la structure des données ;
o des hypothèses de normalité, d’indépendance et d’homogénéité des variances
6.5. Applications logicielles
• Réalisation d’analyses descriptives avec Excel
• Réalisation d’analyses statistiques avec Python

ANALYSE STATISTIQUE DES DONNEES D'ENQUETES
Syllabus académique - M. Kambou Anicet Cyrille 3
7. Méthodes pédagogiques
La formation reposera sur une démarche progressive et interactive, articulée autour de :
• cours magistraux ;
• exercices d’application ;
• travaux pratiques sur ordinateur ;
• études de cas à partir de jeux de données d’enquêtes.
8. Répartition horaire synthétique
Jour
Date
Intitulé
Volume
1
20/04/2026
Fondements de la statistique et donnees d'enquetes
6 h
2
21/04/2026
Statistique descriptive
6 h
3
22/04/2026
Graphiques et analyse descriptive bivariate
6 h
4
23/04/2026
Statistique inférentielle
6 h
5
24/04/2026
Tests statistiques et applications pratiques
6 h
Total
Volume global du module
30 h
9. Outils et supports mobilisés
Les travaux pratiques seront réalisés à l’aide de :
• Microsoft Excel
• Python : Bibliothèques principales : pandas, matplotlib, scipy, statsmodels
Les supports pédagogiques comprendront :
• des supports de cours théorique ;
• des jeux de données d’enquêtes ;
10. Modalités d’évaluation
L’évaluation des apprentissages pourra s’appuyer sur :
• la participation active aux séances ;
• les exercices d’application ;
• une étude de cas de synthèse (devoir sur table) ;
11. Liens
Logiciels :
• Anaconda : https://repo.anaconda.com/archive/Anaconda3-2025.12-2-Windows-x86_64.exe
• Vscode : https://code.visualstudio.com/sha/download?build=stable&os=win32-x64-user
• Drive partagé( support + données) : https://drive.google.com/drive/folders/1w1rjdGC-
NwrqzWwV_o1WvaSgTh7-NgEn?usp=sharing