Analyse des données multidimensionnelles

Description

Ce MOOC a été conçu pour ceux qui, sans être statisticiens, sont confrontés à l'analyse statistique de données. Tous les domaines où l'on recueille des données sont concernés : enquêtes d'opinion, marketing, biologie, écologie, géographie, etc

Ce cours vise à comprendre et appliquer les méthodes fondamentales d'analyse exploratoire multidimensionnelles des données. fondamentales de l'analyse des données : analyse en composantes principales, analyse factorielle des correspondances, analyse des correspondances multiples, classification ascendante hiérarchique. Une extension vers l'analyse factorielle multiple permettra d'aborder le traitement de données plus complexes.

Plan de cours

• Semaine 1 : Analyse en composantes principales
  • Données, problématique et exemples
    Recherche d'une représentation des individus
    Interprétation de la représentation des individus grâce aux variables
    Représentation des variables
    Aides à l'interprétation
    Mise en œuvre sous FactoMineR
• Semaine 2 : Analyse factorielle des correspondances
  • Données, notations, questions
    Liaison et indépendance entre deux variables qualitatives
    Comment l'AFC appréhende-t-elle l'écart à l'indépendance ?
    Nuages des lignes et des colonnes et leur représentation
    Pourcentages d'inertie et inerties en AFC
    Représentation simultanée des lignes et des colonnes
    Aides à l'interprétation
    Mise en œuvre sous FactoMineR
• Semaine 3 : Analyse des correspondances multiples
  • Données, objectifs et problématique
    Transformation du tableau des données
    Représentation des individus
    Représentation des modalités comme aide à l'interprétation de la représentation des individus
    Nuage des modalités et sa représentation optimale
    Représentation simultanée des deux nuages
    Interprétation des valeurs propres
    Représentation des variables
    Aides à l'interprétation
    Tableau de Burt
    Mise en œuvre sous FactoMineR
• Semaine 4 : Classification
  • Données, définitions
    Principe de construction d'un arbre hiérarchique
    Algorithme de partitionnement : les K-means
    Consolidation des classes
    Classification sur données de grande dimension
    Analyse factorielle et classification
    Caractérisation des classes d'individus
    Mise en œuvre sous FactoMineR
• Semaine 5 : Analyse Factorielle Multiple
  • Données, problématique
    Equilibre des groupes et choix d'une pondération des variables
    Etude et représentation des groupes de variables
    Représentation des points partiels
    Représentation des analyses séparées
    Prise en compte de groupes de variables qualitatives
    Prise en compte de tableaux de contingence
    Aide à l'interprétation
    Mise en œuvre sous FactoMineR