Aller au contenu principal
x

Statistiques multidimensionnelles

Enseignant : Gisèle Lila Miyagou

Objectif du cours

Objectif

Dans la continuité du cours de statistiques descriptives, ce cours vise à comprendre et à appliquer les méthodes fondamentales de l’analyse multivariées des données (analyse en composantes principales, analyse factorielle des correspondances, analyse des correspondances multiples, analyse des facteurs discriminantes). Il rend l’étudiant autonome dans la mise en œuvre et l’interprétation d’analyses exploratoires multidimensionnelles en réduisant n variable à 2 ou 3 variables significatives d’après leur corrélation, leur covariance...

Plan du cours

Plan du cours

Ce cours débute par une présentation rapide de la notion de l’analyse factorielle afin de mieux aborder la statistique multidimensionnelle.
I. Méthodes descriptives
1. Méthodes de visualisation telles que : l'Analyse Factorielle en Composante Principale et l'Analyse Factorielle des Correspondances(analyse des proximités des variables : test du Khi-deux).
2. Méthode de classification notamment la classification des individus (classification ascendante hiérarchique, nuée dynamique) et la classification des variables
II. Les Méthodes explicatives
Ces méthodes reposent sur le modèle linéaire général et se focalise sur la recherche d’une relation
entre une variable numérique et plusieurs autres :
1. Analyse de la régression (régression simple et multiple)
2. Analyse de la variance et de la covariance
3. Analyse discriminante quant à s’attèle à faire la prédiction d’une variable qualitative à l’aide de plusieurs prédicteurs en général numériques.

Evaluation des étudiants

Évaluation des étudiants

Deux contrôles continus de deux heures écris sous le logiciel Excel.

Bibliographie

Bibliographie

BARDOS M., 2001. Analyse discriminante, Ecole Sup, Dunod, 332 p.
DUMOLARD P. 2011, Données géographiques. Analyse statistique multivariée, éditions Lavoisier, publications Hermès Sciences, 208 p.
DODGE Y., 2004. Analyse de régression appliquée, Broché, Dunod, 288 p.
ESCOFIER B., PAGES J., 2008. Analyses factorielles simples et multiples. Objectifs méthodes et interprétation. Paris, Dunod, Sciences sup, 4ème édition, 318 p.
Groupe CHADULE, 1997. Initiation aux pratiques statistiques en géographie, Armand Colin, Paris, 203 p.
HUSSON F., PAGES J., LE S., 2009. Analyse de données avec R, PUR, 2ème édition, Broché, 224 p.
LEBART L., MARINEAU A., PIRON M., 2006. Statistique exploratoire multidimensionnelle, 4ème édition, Dunod, 439 p.
LEBART L., MORINEAU A., PIRON M., 2006, Statistique exploratoire multidimensionnelle, Dunod, Paris, 464 p.
MOLA F., MORINEAU A., 2000. Analyses multidimensionnelles des données. Montreuil, CISIA.CERESTA, 188 p.
MORINEAU A., ALUJAT-BANET T., 2000. Analyse en composantes principales. Montreuil, CISIA.CERESTA, 150 p.
PETRY F., GELINEAU F., 2009. Guide pratique d’introduction à la régression en sciences sociales, 2ème édition revue et augmentée, Laval, Presses de l’université de Laval, 234 p.
ROUX B., 2014. Analyse géométrique des données multidimensionnelles, Dunod, 424 p.
SANDERS L., 1990. Analyse statistique des données en géographie, GIP Reclus, 267 p.
TENENHAUS M., 2010. Statistique. Méthodes pour décrire, expliquer et prévoir Dunod, 679 p.


Volume horaire : 18.00 h
Période : non semestrialisé
Unité d'enseignement : U.E. 4 : Analyse et traitement des données 1
Langue : français
ECTS : 3.00