3 sessions disponibles pour cette formation
Voir les sessionsOrganisme / Établissement
41 rue de la Découverte - 31676 LABEGE
Contact
Objectifs de la formation
Apprendre à identifier les différents types de données manquantes, connaître les méthodes de traitement disponibles, mettre en œuvre des applications pratiques dans R.br
Compétences viséesbr
- Appréhender la problématique des données manquantes en balayant les impacts sur les analysesbr
- Distinguer les différents types de données manquantesbr
- Savoir mener un état des lieux des données manquantesbr
- Connaître les différentes stratégies à mettre à œuvre pour traiter le problèmebr
- Examiner différentes méthodes telles l’exclusion, l’imputation simple ou multiple
Contenu
- Problématique générale
- Origine des données manquantes
- Impact sur les analyses
br
- Les grands types de données manquantes
- MCAR (Missing Completely At Random)
- MAR (Missing At Random)
- MNAR (Missing Not At Random)
br
- État des lieux des données manquantes
- Détecter, synthétiser, lister les individus ou variables avec données manquantes
- Pattern de données manquantes
br
- Panorama des différentes stratégies de traitement des données manquantes
- L’exclusion
- L’imputation simple
- Par la moyenne
- A l’aide d’un modèle
- Par les k plus proches voisins
- L’imputation multiple
br
- Bilan
Résultats attendus
Attestation de formation