- CMI - CURSUS DE MASTER EN INGENIERIE

Rechercher
Aller au contenu

Menu principal :

Programme > Matières
 
 
 
 

Analyse des données

Volume horaire

Unité d’Enseignement

Semestre

Niveau

Cours

TD

18

7.5

Complémentaire

7

M1 IES

Enseignante

Evaluation

Coefficient

ECTS

Joseph Lanfranchi

Ecrit + CC

1

2 FI / 2 FA


 
 


Objectifs de l’enseignement

L’objectif de ce cours est d’étudier les méthodes classiquement utilisées pour décrire et visualiser des données multivariées: les méthodes factorielles et les méthodes de classification. Ces techniques d’analyse descriptive sont utilisées, notamment, pour visualiser les données dans un sous espace représentatif, pour détecter des groupes d’individus et/ou de variables, ou pour aider au choix de variables. Nous voyons ainsi que les analyses factorielles permettent de projeter des données de grande dimension dans un espace de dimension plus faible. En effet, certaines variables sont si corrélées qu’il est possible de réduire la dimension initiale des données aux seules dimensions pertinentes. Cela autorise de réaliser des rapprochements entre individus ou variables. Les méthodes de classification cherchent à classer les données de manière automatique. Elles sont complémentaires des précédentes pour synthétiser les données et caractériser les proximités entre individus et entre variables.

Descriptif de l’enseignement

Principes généraux de l’analyse factorielle

Données et caractéristiques
Espace des individus et espace des variables
Axes et facteurs principaux

Analyse en composantes principales

Projection des individus et mise à jour des composantes principales
Interprétation et qualité des résultats d’une analyse en composantes principales

Analyse des correspondances simples

Tableau de contingence et nuage d’observations associé
ACP et Métrique du  

Analyse des correspondances multiples

Analyse Factorielle du tableau disjonctif
Analyse factorielle du tableau de Burt
Pratique de l’Analyse des Correspondances Multiples

Méthodes de classification

Classification hiérarchique
Classification non hiérarchique


Méthode d’enseignement
Cours théorique et exemples illustratifs en Travaux Dirigés, à base de sorties Sas et Stata

Pré-requis
Méthodes de description unidimensionnelle et bidimensionnelle des données numériques

Bibliographie
(ouvrages uniquement)
Saporta G., (2005). Probabilités, analyses des données et statistiques , Editions Technip.


 
 
Retourner au contenu | Retourner au menu