Ce cours n'a actuellement aucune session planifiée. Manifestez votre intérêt afin que la session puisse être programmée au plus vite. Veuillez remplir le formulaire et nous reviendrons vers vous dans les plus brefs délais.
Vue générale
| Code cours | 0G093FR | Niveau de compétence | Advanced |
|---|---|---|---|
| Durée | 3.0 Jour(s) | Type de formation | Salle de cours
(Travaux pratiques) |
| Type de cours | Public/Privé | ||
| Prix |
EUR 1 575,00 HT
EUR 1 883,70 TTC |
Ce cours fournit une introduction aux modèles statistiques disponibles dans IBM ® SPSS ® Statistics et à leurs applications aux données de l'entreprise. Il est destiné aux analystes de données et aux chercheurs.
Ce cours présente un large éventail de techniques pour prédire des variables à la fois continues et catégorielles, ainsi que des méthodes pour créer des groupes de variables ou d'observations en fonction de leurs similarités. Ce cours permet d'acquérir une bonne compréhension de quand et pourquoi utiliser ces différentes techniques ainsi que la façon de les appliquer et les interpréter.
Participants
Ce cours avancé est destiné à toute personne qui a une bonne connaissance des statistiques exploratoires et des tests statistiques et qui souhaite élargir ses compétences à des procédures statistiques plus avancées afin d'être capable de choisir pour toute problématique la technique statistique la plus appropriée.
Contenu
Les sujets traités sont les suivants :
Analyse Factorielle
- Expliquer la théorie de l'analyse factorielle
- Hypothèses de l'analyse factorielle
- Exécuter une analyse factorielle et interpréter ses résultats
Classification par la méthode des Nuées Dynamiques (k-means)
- Expliquer la méthodes des Nuées Dynamiques
- Exécuter une classification par Nuées Dynamiques et interpréter ses résultats
Classification par la méthode TwoStep
- Expliquer la méthodes TwoStep
- Exécuter une classification par TwoStep et interpréter ses résultats
Régression Logistique Binaire
- Expliquer la théorie de la régression logistique binaire
- Spécifier les hypothèses de la régression logistique binaire
- Exécuter une régression logistique binaire et interpréter ses résultats
Régression Logistique Multinomiale
- Expliquer la théorie de la régression logistique multinomiale
- Spécifier les hypothèses de la régression logistique multinomiale
- Exécuter une régression logistique multinomiale et interpréter ses résultats
Analyse Discriminante
- Expliquer la théorie de l'analyse discriminante
- Exécuter une analyse discriminante pour expliquer une variable à deux modalités et interpréter ses résultats
- Analyses complémentaires et validation du modèle
Analyse du voisin le plus proche
- Expliquer la théorie de l'analyse du plus proche voisin
- Exécuter une analyse du plus proche voisin et interpréter ses résultats
Analyse de Kaplan-Meier
- Expliquer le principe de l'analyse de survie
- Exécuter une analyse de Kaplan Meier et interpréter la table de survie résultante ainsi que les graphiques
- Exécuter une analyse de Kaplan Meier avec une variable de strate et réaliser des comparaisons par paires
Régression de Cox
- Présenter le modèle de la régression de Cox ainsi que ses hypothèses
- Exécuter une régression de Cox et interpréter ses résultats
- Tester l'hypothèse des hazards proportionnels
- Régression de Cox avec une covariate temps dans le cas où l'hypothèse des hazards proportionnels est non vérifiée
Modèle linéaire généralisé
- Présenter la famille des lois exponentielles, la notion de fonction de lien et la différence entre le modèle linéaire général et le mdèle linéaire généralisé
- Exécuter un modèle linéaire généralisé et interpréter ses résultats
- Tests des hypothèses et prédictions
Modèle Linéaire Mixte
- Présenter le modèle linéaire à effets mixtes ainsi que ses hypothèses
- Exécuter un modèle linéaire à effets mixtes et interpréter ses résultats
- Constructions de modèles complexes