ANALYSE MULTI-VARIEE (FSS-AMV-01)

 

Objectif de la formation :

Rendre opérationnelle toute personne rencontrant dans son métier le besoin d’analyser des données qualitatives et multidimensionnelles dans le but de :

                        -   Déterminer quelles sont les méthodes

                            multidimensionnelles appropriées à utiliser selon

                            l’objectif de l’étude

-   Effectuer l’analyse et trouver l’information pertinente

-   Interpréter les résultats statistiques et graphiques,

    communiquer les résultats importants

-   Identifier les structures et les tendances des données

-   Identifier la redondance et les corrélations

 

Profil des stagiaires :

Ingénieurs et techniciens de tous secteurs. Niveau bac + 2 minimum

Pré-requis :

Connaissance en statistiques de base recommandée

Moyens pédagogiques :

Alternance d'exposés, de manipulations et d'exercices pratiques mis en œuvre dans le logiciel Minitab et Excel

Tests réalisés tout le long de la formation sous forme d'exercices pour évaluer et apprécier le résultat.

Durée :

21 heures sur 3 jours

Tarif :

1500 € HT par stagiaire (pour le stage de 3 jours)

Formation éligible au DIF

Lieu :

Formation intra-entreprise

Note :

Possibilité de stage à la carte en ne choisissant que certains modules

 

 

PROGRAMME

 

 

        -       Concepts et notions de base en statistiques

             multidimensionnelles

        -       Méthodes multidimensionnelles abordées :

             o   Analyse en composantes principales (ACP,

                              statistique descriptive, notion de matrice de

                              corrélation et covariance, score des variables,

                              interprétation graphique, critère de Kaiser)

             o   Analyse factorielle

             o   Analyse des correspondances simples et multiples

                              AFC et ACM, description des 2 méthodes, notion de

                              distances et d’ensemble de profils…)

             o   Classification (CAH, méthode des K-means, matrice

                              des distances, méthodes hiérarchiques,

                              dendrogramme, méthodes d’agrégation…)

             o   Analyse discriminante (modélisation par classe,

                              comparaison avec les autres régressions type

                              logistique…)