COURS

ECOLE DOCTORALE

• 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