Analyse des données

Enseignants

Segers Johan;

Langue
d'enseignement

Français

Thèmes abordés

- Rappels d'algèbre et de géométrie utiles à l'analyse des données.. - Principes de base des méthodes factorielles. - Analyse en composantes principales et ses variations. - Analys edes corrélations canoniques. - Analyse factorielle discriminante. - Analyse factorielle des correspondances. - Introduction aux méthodes de classification. - L'analyse des données, en pratique.

Contenu

• Matrices de données
• Analyse en composantes principales
• Classification: moyennes mobiles et classification hiérarchique
• Analyse discriminante linéaire
• Analyse des correspondances simple et multiple
• Régression sur composantes principales
• Régression des moindres carrés partiels

Les méthodes sont réalisés dans le language R via le logiciel RStudio, et R Markdown est utilisé pour la réalisation de rapports comprenant à la fois du texte, des développements mathématiques, du code R et les résultats des analyses (tables, figures).

Méthodes d'enseignement

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Lors des cours magistraux, l'enseignant présente les différentes méthodes d'analyse, couvrant à la fois leur champ d'application, la théorie mathématique sous-jacante, et la programmation en R. Des devoirs sont donnés dont la solution est discutée lors des cours magistraux aussi.
Les TP se déroulent en salle informatique et servent surtout pour permettre aux étudiants de s'entraîner à l'application des méthodes d'analyse en R et sur des vrais jeux de données.

Modes d'évaluation
des acquis des étudiants

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Examen (12/20):

• par écrit, à livre fermé, à l'aide d'un formulaire et d'une calculatrice
• exercices et questions de calcul, d'interprétation de sortie de logiciel, et de compréhension des formules et des résultats principaux

Evaluation continue - tests lors des cours magistraux:

• Test 1: Matrices de données et analyse en composantes principales
• Test 2: Classification et Analyse discriminante linéaire

Participation optionnelle. Au choix de l'étudiant, chaque test peut remplacer la partie de l'examen sur le même sujet.
Evaluation continue - projet (8/20):

• seul ou en binôme
• application des méthodes sur une base de donnée apportée par l'étudiant lui-même
• rapport écrit, à soumettre avant une ou plusieurs dates spécifiées pendant le cours
• consignes détaillés lors des TP et sur la page MoodleUCL du cours

La participation au projet est obligatoire pour obtenir une note d'examen. Le projet peut être refait lors d'une deuxième inscription à l'examen.

Autres infos

Préalables :

• calcul vectoriel et matriciel
• géométrie euclidienne: points, espaces, orthogonalité, distances, angles
• notions de base en statistique: moyenne, (co)variance, corrélation, matrice de covariance, probabilité conditionnelle, distribution normale, distribution khi-carré

Ressources
en ligne

Toutes les ressources nécessairs pour le cours sont fournies sur la page MoodleUCL du cours: les dias des cours magistraux et des TP, les script informatiques, les exercices. En plus, des liens vers des ressources électroniques externes sont fournis aussi: des cours en ligne, des vidéos, de la documentation du logiciel utilisé.

Bibliographie

• Escofier, B. et Pagès, J. (2016): Analyses factorielles simples et multiples, 5e édition, Dunod, Paris.
• Lebart, L., Piron, M. et Morineau, A. (2006): Statistique exploratoire multidimensionnelle, 4e édition, Dunod, Paris.
• Saporta, G. (2011): Probabilités, analyse des données et statistique, 3e édition révisée, Editions TECHNIP, Paris.

Faculté ou entité
en charge

LSBA