Objectifs
Connaître le logiciel XLSTAT 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, ACM, classification), méthodes décisionnelles dans le logiciel XLSTAT.
Apprendre à mettre en oeuvre les méthodes de statistiques descriptives, inférentielles, Anova, régression, analyse de données multidimensionnelles (ACP, AFC, ACM, classification), méthodes décisionnelles dans le logiciel XLSTAT.
Public
Toute personne souhaitant utiliser le logiciel XLSTAT pour la réalisation d'analyses statistiques et graphiques sur des données
Méthode
Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel XLSTAT.
Programme
- Rappels des bases de la statistique avec XLSTAT
- Raisonnement à partir d’un échantillon avec XLSTAT
- Liaisons entre deux variables avec XLSTAT
- Les méthodes du modèle linéaire avec XLSTAT
- Les méthodes d'analyse de données avec XLSTAT
- Méthodes décisionnelles avec XLSTAT
- Introduction - Prise en main du logiciel XLSTAT
- Notions de base Population, échantillon, individus, variables
- Préparation et gestion des données Construction de nouveaux tableau, Recodage de variables (mise en classes, regroupement de modalités, croisements)
- Statistiques descriptives univariées Résumés graphiques et numériques de variables :
- Qualitatives : diagramme en secteurs, tableaux de fréquences
- Quantitatives : indicateurs de tendance centrale et de dispersion, quantiles, histogramme, boîtes à moustaches, nuages de points
- Raisonnement à partir d’un échantillon avec XLSTAT
- 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 XLSTAT
- Étude d’une corrélation linéaire Nuage de points – Le coefficient de Pearson - Significativité d’une corrélation
- Lien de dépendance entre deux variables qualitatives Le tableau de contingence – Coefficients d’association – Le test du Khi 2
- Liaison entre une variable qualitative et quantitative Comparaison de populations
- Caractérisation automatique d'une variable par d’autres variables
- Les méthodes du modèle linéaire avec XLSTAT
- La régression linéaire simple et multiple
- Un test pour comparer des modèles emboîtés
- Le problème du choix d’un sous-modèle Phénomène de multicolinéarité – Sélection de variables (optimale, pas à pas ascendante / descendante / stepwise)
- Analyse de la variance (Anova) à un facteur
- Anova à deux facteurs Prise en compte d’interactions, généralisation à plusieurs facteurs
- Analyse de la covariance (Ancova) Notion de covariable
- Les méthodes d'analyse de données avec XLSTAT
- Panorama des méthodes d’analyse multidimensionnelles
- ACP – Analyse en Composantes Principales Inertie d’un nuage de points, Ajustement d’un nuage, Aides à l’interprétation
- AFC – Analyse Factorielle des Correspondances Notions de profils lignes et profils colonnes. Visualiser un lien de dépendance
- ACM – Analyse des Correspondances Multiples Analyse des résultats d’une enquête par questionnaire. Une AFC particulière
- CAH – Classification Ascendante Hiérarchique Classification ascendante hiérarchique et méthodes de partitionnement direct (k – means). Interprétation des classes d’une partition
- Méthodes décisionnelles avec XLSTAT
- Un panorama des méthodes décisionnelles (ou de classement)
- AFD - L’analyse factorielle discriminante Le cas particulier de la discrimination linéaire de Fisher. Qualité d’une règle de classement. Matrice de confusion
- La régression ou discrimination logistique Odds – ratio, Courbe ROC
- Méthodes de segmentation (ou discrimination par arbre)
