Objectifs

Résultats attendus

Résultats attendus

Attestation de formation

Objectifs de la formation

Objectifs de la formation

Connaître le logiciel SPAD de manière approfondie pour gérer les données, réaliser des analyses statistiques et graphiques.

Apprendre à mettre en oeuvre les méthodes de statistiques descriptives,
inférentielles, Anova, régression, analyse de données
multidimensionnelles (ACP, AFC, classification), Data Mining et Text
Mining dans le logiciel SPAD.

Domaines

Domaine(s)
Statistique appliquée
Statistique
Statistique descriptive
Statistique inférentielle
Contrôle statistique

Contenu

Contenu

- Traitements statistiques de base avec SPAD

  • Introduction - Prise en main du logiciel SPAD
  • Notions de base
  • Population, échantillon, individus, variables

  • Recodage de variables
  • Mise en classes, regroupement de modalités, croisements, ...

  • Préparation et gestion des données
  • Construction de nouveaux tableaux : empilé, juxtaposé, ...

  • Statistiques descriptives univariées
  • Résumés graphiques et numériques


- Raisonnement à partir d’un échantillon avec SPAD

  • Intervalle de confiance
  • Tests paramétriques usuels
  • Conformité d’une moyenne. Comparaison de deux moyennes, de deux variance, de deux proportions

  • Test de normalité
  • Principaux tests non paramétriques
  • Tests de Mann et Whitney, Kruskal Wallis, Friedman, McNemar, Cochran


- Liaisons entre deux variables avec SPAD

  • Étude d’une corrélation linéaire
  • Nuage de points – Le coefficient de Pearson - Significativité d’une corrélation

  • Liaison entre deux variables qualitatives
  • Le tableau de contingence – Coefficients d’association – Le test du Khi 2

  • Liaison entre une variable qualitative et quantitative
  • Caractérisation automatique de variables par d’autres variables


- Principales techniques de modélisation avec SPAD

  • L’analyse de la variance à un facteur
  • L’analyse de la variance à deux facteurs
  • La régression linéaire simple
  • La régression linéaire multiple


- L’analyse de données multidimensionnelles avec SPAD

  • ACP – Analyse en Composantes Principales
  • AFC – Analyse Factorielle des Correspondances
  • ACM – Analyse des Correspondances Multiples
  • CAH – Classification Ascendante Hiérarchique
  • La classification mixte


- Introduction au Data Mining et au Text Mining avec SPAD

  • Les arbres de décision
  • Le marquage sémantique
  • Les réseaux de neurones
  • Le Text Mining