COURS
Le MNHN dispense des cours reposant sur l'utilisation de R au niveau master et doctorat.
ECOLE DOCTORALE
INSCRIPTION OBLIGATOIRE ICI
FIN DES INSCRIPTIONS 1 MOIS
AVANT LE DEBUT DU MODULE
|
- R du 06 au 10 Mars 2017 (resp. Jérôme Sueur)
- Gestion des données : installation de la base, installation des packages, structure, fonctionnement, classes et modes des objets, arguments des fonctions, indexation des objets
- Gestion des données (suite) : comment trouver de l'aide, import et export des données, récurrence et conditions, écriture d'une fonction
- Graphiques : principe, librairies dédiées, fonctions graphiques de base (nuages, profils, diagrammes en bâton, histogrammes, boîtes à moustaches, camembert, ...), fonctions graphiques accessoires (axes, légendes, étiquettes, polygones, ...)
- Graphiques (suite) : fonctions paramétriques (couleurs, marges, police, ...), mises en pages (superposition, division de la fenêtre), exportation, sauvegarde.
- Traitement des chaînes de caractères. Programmation avancée: tests et exécutions conditionnelles, boucles, fonctions de boucles implicites.
- Manipulations avancées des objets (fusion, fission conditionnelle, tri). Entrées et sorties, manipulations de fichiers externes
- Graphiques avancés : graphiques et mises en pages, formats de sorties graphiques, fonctions paramétriques complexes (expression, marges, police, ...), graphiques animés
- Exemples de tests statistiques uni-bivariés : tests de normalité, tests de proportions, tests de comparaison de moyennes, test de corrélation, régression linéaire
- Exemples d'analyses multivariées : ACP, LDA, clustering
- Atelier sur projets personnels
MASTER 2: Analyses statistiques multivariées [3ECTS]
Enseignants: Michel Baylac, Sandrine Pavoine
- Présentation du logiciel R : modules de base et bibliothèques spécialisées ; types de données et manipulation des données
- Rappels de statistiques descriptives, histogrammes et boxplots. Graphes bivariés. Analyses exploratoires. Biais des approches univariées, justification des approches multivariées. Paramètres des distributions, moyennes, (co)variances et corrélations, matrices correspondantes. Distances euclidiennes.
- Analyse en Composantes Principales (ACP), première partie : principes, réalisations, variantes. Diagonalisation et décomposition en valeurs singulières. Signification géométrique de l'ACP.
- ACP, deuxième partie : interprétation des composantes, vecteurs propres, corrélations, biplots. Exemples. Conclusions. ACP en tant qu'analyse factorielle. Introduction aux différents types d'analyses factorielles
- Analyses et comparaison de matrices de distances. Matrices de similitude et de distances. Distances usuelles. Analyse d'un tableau de distances, cadrage multidimensionnel, positionnement non-métrique. Tests de Mantel et équivalents. Exemples
- Classifications et partitions. Classifications hiérarchiques. Moyennes mobiles. Autres approches
- Discrimination linéaire et analyse factorielle discriminante ; Probabilités a priori et a posteriori, classements, validations croisées et bootstrap
- Analyse des données qualitatives. Analyse Factorielle des Correspondances (AFC) simples. Introduction. Exemples, interprétations
- Analyse Factorielle des Correspondances multiples
- Synthèse. Quelle(s) méthode(s) utiliser. Autres méthodes, alternatives. Pour aller plus loin : bibliographie, sources électroniques de données et de logiciels. Librairies complémentaires pour R. Installation de R (Windows, Linux MacOSX)..
MASTER 1: Analyses statistiques uni- et bi-variées [3 ECTS]
Enseignants: Vincent Debat, Martin Friess, Cédric Hubas, Sandrine Pavoine, Loïc Ponger, Jérôme Sueur, Séverine Zirah
- Introduction à R
- Théorie des tests
- Test du chi-2
- Test paramétriques
- Test non paramétriques
- Analyse de la variance
- Corrélation
- Modèle linéaire