Objectifs
Connaître le logiciel SPAD 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.
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.
Public
Toute personne souhaitant utiliser le logiciel SPAD pour la réalisation d'analyses statistiques et graphiques sur des données
Pré-requis
Aucun
Méthode
Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel Spad.
Pour aller plus loin
Nous vous proposons un ensemble de formations mises en oeuvre dans le logiciel SPAD
Accessibilité
Vous souhaitez suivre notre formation SPAD - Prise en main, analyses statistiques et graphiques et êtes en situation de handicap ? Merci de nous contacter afin que nous puissions envisager les adaptations nécessaires et vous garantir de bonnes conditions d'apprentissage
Programme
- Traitements statistiques de base avec SPAD
- Raisonnement à partir d’un échantillon avec SPAD
- Liaisons entre deux variables avec SPAD
- Principales techniques de modélisation avec SPAD
- L’analyse de données multidimensionnelles avec SPAD
- Introduction au Data Mining et au Text Mining 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
