Analyse des données

3.00 crédits

15.0 h + 7.5 h

Enseignants

Segers Johan;

Langue
d'enseignement

Français

Thèmes abordés

Le cours présente un survol des principaux outils de l'analyse exploratoire de données multivariées via les méthodes factorielles. Les données sont projetées sur un sous-espace de faible dimension tout en gardant un maximum d'information. Cette réduction de dimension facilite la visualisation et aide à la découverte de l'information et des tendances dans un tableau de données.

Rappels d'algèbre et de géométrie utiles à l'analyse des données
Principes de base des méthodes factorielles
Analyse en composantes principales
Classification: moyennes mobiles et classification hiérarchique
Analyse discriminante linéaire

Contenu

Matrices de données
Analyse en composantes principales
Classification: moyennes mobiles et classification hiérarchique
Analyse discriminante linéaire

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

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

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

Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme

Sigle

Crédits

Prérequis

Acquis
d'apprentissage

Master [120] : bioingénieur en sciences et technologies de l'environnement

BIRE2M

Master [120] : bioingénieur en gestion des forêts et des espaces naturels

BIRF2M

Master [120] en sciences agronomiques et industries du vivant

SAIV2M