Modélisation Statistique
Etablissement : ECOLE DU NUMERIQUE
Langue : Français
Formation(s) dans laquelle/lesquelles le cours apparait :
- MASTER DATA ET IA [ECTS : 4,00]
Période : S2
- Savoir réaliser une exploration détaillée des données (phase critique avant la mise en œuvre d’algorithmes de machine Learning)
- Mettre en œuvre les outils statistiques adéquats
- Apporter un regard critique sur les données
- Les ensembles
- Description d’une série statistique
- Le vocabulaire de la statistique (Population, échantillon, type de caractéristiques)
- Effectifs et fréquences (cumulés et non cumulés)
- La discrétisation de caractéristiques continues (Règles de Sturges, de Rice, de Scott, de Freedman-Diaconis)
- Le tableau de contingence
- Analyses statistique univariée
- Les caractéristiques de position (mode, moyenne, quantiles)
- Les caractéristiques de dispersion (variance, écart-type sur population et échantillon, pourquoi n-1 dans le calcul de la variance et de l’écart-type corrigés ?)
- Les caractéristiques de formes (Skewness et Kurtosis)
- Analyses statistique bi/multivariées
- Le tableau de contingence pour l’analyse multivariée
- Liaison entre deux caractéristiques continues (covariance, le coefficient de correlation linéaire de Pearson)
- Liaison entre deux caractéristiques numériques ou ordinales (Coefficient de corrélation des rangs de Pearson, Tau de Kendall, Test du Chi-Deux)
- Statistiques inférentielles
- Introduction aux probabilités et au tests statistiques
- Analyses factorielles
- Analyse en composantes principale
- Analyse factorielle des correspondances
- Analyse des correspondances multiples
- Statistiques et Machine Learning
- La régression linéaire
