Analyse de Données Quantitatives (F-add-00)
     

Apprendre les méthodes statistiques d'analyse de données permettant de caractériser et/ou modéliser la relation entre plusieurs variables quantitatives.

Informations Public : Toute personne souhaitant faire appel aux méthodes d'analyse de données multidimensionnelles pour le traitement de données quantitatives ou renforcer ses compétences dans ce domaine. Pré-requis : Il est conseillé d'avoir participé au préalable au stage Pratique de la Statistique I ou d'avoir acquis par la pratique un niveau équivalent Méthode : Alternance d'exposés, de manipulations et d'exercices pratiques mis en oeuvre dans StatGraphics et Uniwin (ou tout autre logiciel en intra-entreprise). Conseil : Ce stage est systématiquement accolé à celui sur l'Analyse des Données Qualitatives afin de vous permettre de maîtriser en 5 jours les principales méthodes d'analyse des données multidimensionnelles.		Durée : 3 jour(s) Prochaine(s) session(s) : Lieu Du Au Paris 26/03/2012 28/03/2012 Paris 18/06/2012 20/06/2012 Paris 19/11/2012 21/11/2012 Frais d'inscription : - Inter-entreprises : Prix unitaire par stagiaire(s) inscrit(s) 1 inscrit 2 inscrits 3 inscrits et + 1500€ HT 1250€ HT 1000€ HT - Intra-entreprise : Nous consulter
Programme - Introduction à l'analyse des données quantitatives Présentation des diverses techniques et de leurs finalités selon le domaine d'application (industriel, commercial, recherche) - Prétraitement des données Etude univariée, matrices de nuage de points, étude des corrélations et des liaisons entre variables Traitement des « outliers » et des données manquantes Transformation des données et codification : quand, comment et pourquoi faut-il transformer/codifier les données ? - Exposé de l'analyse générale Notion élémentaires et principes d'ajustement Ajustement du nuage des individus dans l'espace des variables Ajustement du nuage des variables dans l'espace des individus Relations entre les ajustements dans les deux espaces Reconstitution des données de départ - L'analyse en composantes principales (méthodes classique et NIPALS) Description de la méthode : Nature des données étudiées Dans quel cas l'utiliser, pour quels résultats. Présentation de la méthode : Notions de distance entre deux unités statistiques Composantes principales : définition et mode de calcul Les éléments actifs (variables ou unités statistiques) et éléments supplémentaires Analyse et interprétation des résultats : La représentation graphique, les plans principaux Les paramètres d'aide à l'interprétation Applications : Etude de la structure d'un grand tableau de données Modélisation multivariée d'un processus et sa mise sous contrôle statistique Etude de l'évolution multidimensionnelle dans le temps d'un phénomène - Les techniques de classification Description générale de la démarche Nature des données utilisées Les diverses méthodes (CAH, k-means,…) L'agrégation autour de centres mobiles (k-means) Principes de la méthodologie Formes fortes et groupements stables Analyse et interprétation Applications La classification ascendante hiérarchique Principes de la méthodologie Approche hiérarchique Les différentes stratégies d'agrégation Création d'un dendrogramme et définition d'une typologie Analyse et interprétation des résultats La représentation graphique Les paramètres d'aide à l'interprétation Liaison classification/ analyse factorielle Classification sur données brutes ou sur données issues d'une analyse factorielle, dans quels cas utiliser l'un ou l'autre, Complémentarité et enrichissement mutuel Analyse et interprétation des résultats - Applications : initiation aux techniques de modélisation Modélisation pour gérer la stabilité d’un processus Recherche des variables latentes par ACP Identification des éléments ou des groupes d’éléments atypiques Modélisation statique Modélisation dynamique et détermination des trajectoires Règles de gestion pour stabiliser un processus Modélisation pour gérer la performance d’un processus Les diverses techniques en fonction de la nature des variables de performance Construction du modèle Utilisation, gestion et maintenance d’un modèle de performance - Autres techniques quantitatives multidimensionnelles (illustrés sur exemples) AFM : l'Analyse Factorielle Multiple pour l'étude conjointe de plusieurs groupes de variables ou plusieurs tableaux de données STATIS et STATIS duale : la méthode Structuration de Tableaux A Trois Indices de la Statistique permet l'exploration simultanée de plusieurs tableaux de données L'analyse de distances et dissimilarités : la méthode permet une « cartographie » des individus en fonction de leurs proximités ou dissimilarités