Summary  
Using SciPy’s statistics module to calculate a confidence interval for a sample mean by applying the normal distribution’s interval method with specified confidence level, sample mean, and standard error.

General domain of usage  
Statistical inference

## Quelles valeurs peut-on estimer à l'aide d'un intervalle de confiance ?

Dans ce cours, nous allons estimer des valeurs moyennes, mais il est également possible d'estimer d'autres statistiques telles que les variances, les espérances mathématiques, et plus encore.

Examinez la fonction utilisée pour calculer les intervalles de confiance.


```python
st.norm.interval(confidence=0.95, loc=np.mean(dist), scale=st.sem(dist))
```

La fonction `st.norm.interval()` est utilisée pour calculer un intervalle de confiance avec les paramètres suivants :
- Le paramètre `confidence` représente le **niveau de confiance** ;
- Le paramètre `loc` indique la **valeur moyenne de la distribution** ;
- Le paramètre `scale` correspond à **l'erreur standard de la moyenne**.

## Qu'est-ce que l'erreur standard de la moyenne ?

L'erreur standard de la moyenne, souvent appelée erreur standard, mesure la probabilité que la moyenne de la population s'écarte de la moyenne de l'échantillon.

Essayez de modifier le paramètre `confidence` et observez les changements.

# Importing libraries
import scipy.stats as st
import numpy as np

# Creating random normal distribution
dist = st.norm.rvs(size=1000, loc=50, scale=2)

# Finding confidence interval
confidence = st.norm.interval(confidence=0.95, loc=np.mean(dist), scale=st.sem(dist))

print(confidence)

Acquérez une base solide en statistiques avec Python. Apprenez les concepts statistiques essentiels et appliquez-les à l’aide de NumPy et pandas. Progressez des mesures de base telles que la moyenne et la variance jusqu’aux tests d’hypothèses, intervalles de confiance et analyses de données avec des exercices pratiques.

Découvrez les principes statistiques fondamentaux, y compris les types de données, les mesures de tendance centrale et les principales différences entre échantillons et populations.

Apprendre à calculer et interpréter la moyenne, la médiane et le mode avec Python. S'exercer à ces opérations avec pandas pour analyser des ensembles de données réels.

Comprendre comment la variance et l'écart type mesurent la dispersion des données. Apprendre à calculer ces mesures manuellement et à l'aide d'outils Python.

Découvrez comment la covariance et la corrélation décrivent les relations entre les variables. Exercices de calcul et de comparaison de ces deux mesures en Python.

Maîtrise des intervalles de confiance pour estimer les paramètres d'une population. Utilisation de NumPy, pandas et des bibliothèques de visualisation pour calculer et interpréter les intervalles avec des données réelles.

Apprenez les principes fondamentaux des tests d'hypothèse et du test t. Comprenez comment concevoir, réaliser et interpréter des tests à l'aide de Python pour soutenir les décisions basées sur les données.

Calcul du Niveau de Confiance avec Python

Quelles valeurs peut-on estimer à l'aide d'un intervalle de confiance ?

Qu'est-ce que l'erreur standard de la moyenne ?

Awesome!

Calcul du Niveau de Confiance avec Python

Quelles valeurs peut-on estimer à l'aide d'un intervalle de confiance ?

Qu'est-ce que l'erreur standard de la moyenne ?