Objectifs (en termes de compétences)

Développer une certaine maîtrise des instruments multivariés les plus classiques en faisant saisir aux étudiants les similarités et les différences entre ces démarches.
Introduire le minimum d'éléments mathématiques nécessaires à compléter la formation des étudiants.

Objet de l'activité (principaux thèmes à aborder)

acp, analyse factorielle, régressions linéaires multiples, analyse en grappes, modèles d'équations structurales.

Résumé : Contenu et Méthodes

Objectifs généraux
Développer une certaine maîtrise des instruments multivariés les plus classiques en faisant saisir aux étudiants les similarités et les différences entre ces démarches.
Introduire le minimum d'éléments mathématiques nécessaires à compléter la formation des étudiants.
A la sortie du cours l'étudiant devrait être capable de mettre en oeuvre, avec des données réelles, les outils les plus classiques de traitement de données multidimensionnelles. Le cours sera donc centré sur la bonne compréhension des méthodes et leur mise en application, y compris la maîtrise d'une logiciel approprié.

Contenu
Introduction aux méthodes multivariées, notations matricielles et propriétés de base de vecteurs aléatoires, outils descriptifs et multiples, classification, modèles de régression, y compris ANOVA et ANCOVA, analyse discriminante.

Références (à titre d'exemples)
- Simar, L. (2003): An Introduction to Multivariate Data Analysis, manuscrit, 233p, Institut de statistiques, Université Catholique de Louvain, Louvain-la-Neuve, disponible à la DUC.
- Lattin, J., Carroll, J.D. and Green, P.E. (2003), Analyzing Multivariate Data, Thomson Learning, Inc., Duxbury Press

Autres informations (Pré-requis, Evaluation, Support, ...)

La formation comporte des aspects pratiques avec traitement de données réelles.

Autres crédits de l'activité dans les programmes