25230020 - Analyse de données
Crédits ECTS | 4 |
---|---|
Volume horaire total | 39 |
Volume horaire CM | 24 |
Volume horaire TD | 15 |
Formations dont fait partie ce cours
Objectifs
Mise en oeuvre de techniques statistiques exploratoires spécifiques aux grandes quantités de données.
CONNAISSANCES A ACQUERIR
- Connaître et comprendre les principaux outils d’analyse unidimensionnelle, bidimensionnelle et multidimensionnelle
- Analyser des données relationelles (réseaux)
- Etudier une série temporelle
COMPETENCES CIBLES
- Analyser des données réelles
- Maîtriser un logiciel de traitement statistique
- Restituer des résultats d’analyse
- Acquérir une rigueur d’analyse
- Développer un esprit critique face aux données et résultats
Contenu
Chapitre 1 : Rappels de statistique descriptive unidimensionnelle
1.1 Variables quantitatives
1.1.1 Mesures de valeur centrale
1.1.2 Mesures de dispersion
1.1.3 Graphiques
1.2 Variables qualitatives
1.2.1 Graphiques
1.3 Tests statistiques
1.3.1 Généralités sur les tests d'hypothèses
1.3.2 Tests de normalité
1.3.3 Test de Student
Chapitre 2 : Statistique descriptive bidimensionnelle
2.1 Une variable quantitative et une variable qualitative
2.1.1 Moyennes conditionnelles
2.1.2 Analyse de la Variance, test de Fisher
2.2 Deux variables qualitatives
2.2.1 Notations et définitions
2.2.2 Graphiques
2.2.3 Test du Khi-2 d'indépendance
2.2.4 Analyse des correspondances simples
2.3 Deux variables quantitatives : la régression linéaire
Chapitre 3 : Statistique descriptive multidimensionnelle
3.1 Variables quantitatives
3.1.1 Analyse en composantes principales
3.1.2 Régression multilinéaire
3.2 Variables qualitatives
3.2.1 Rappels
3.2.2 ACP des profils lignes
3.2.3 ACP des profils colonnes
3.2.4 ACP simultanée
3.2.5 Indices et graphiques pour l'interprétation d'une AFC.
3.2.6 Analyse Factorielle des Correspondances Multiples (AFCM)
Chapitre 4 : Classifications automatiques
4.1 Classification non supervisée
4.1.1 Introduction : partitions, inerties et distances
4.1.2 Centres mobiles (k-means)
4.1.3 Classification hiérarchique ascendante (CAH)
4.2 Classification d'individus décrits par des données qualitatives
Chapitre 5 : Graphes et réseaux
5.1 Graphes et réseaux : définitions de base
5.2 Centralités
5.2.1 Centralité de degré
5.2.2 Centralité d'intermediarité
5.2.3 Centralité de proximité
5.3 Les propriétés fréquemment rencontrées
5.3.1 La faible densité
5.3.2 La composante connexe géante
5.3.3 L'effet petit-monde
5.3.4 Le club-huppé
5.4 La recherche de communautés
5.4.1 Dissimilarités entre sommets
5.4.2 Méthode de Clauset-Newman-Moore
Chapitre 6 : Séries temporelles
6.0 Introduction
6.1 Partie I : Analyse historique
6.1.1 Les graphiques
6.1.2 Les modèles
6.1.3 Modélisation
6.2 Partie II : prévisions
1.1 Variables quantitatives
1.1.1 Mesures de valeur centrale
1.1.2 Mesures de dispersion
1.1.3 Graphiques
1.2 Variables qualitatives
1.2.1 Graphiques
1.3 Tests statistiques
1.3.1 Généralités sur les tests d'hypothèses
1.3.2 Tests de normalité
1.3.3 Test de Student
Chapitre 2 : Statistique descriptive bidimensionnelle
2.1 Une variable quantitative et une variable qualitative
2.1.1 Moyennes conditionnelles
2.1.2 Analyse de la Variance, test de Fisher
2.2 Deux variables qualitatives
2.2.1 Notations et définitions
2.2.2 Graphiques
2.2.3 Test du Khi-2 d'indépendance
2.2.4 Analyse des correspondances simples
2.3 Deux variables quantitatives : la régression linéaire
Chapitre 3 : Statistique descriptive multidimensionnelle
3.1 Variables quantitatives
3.1.1 Analyse en composantes principales
3.1.2 Régression multilinéaire
3.2 Variables qualitatives
3.2.1 Rappels
3.2.2 ACP des profils lignes
3.2.3 ACP des profils colonnes
3.2.4 ACP simultanée
3.2.5 Indices et graphiques pour l'interprétation d'une AFC.
3.2.6 Analyse Factorielle des Correspondances Multiples (AFCM)
Chapitre 4 : Classifications automatiques
4.1 Classification non supervisée
4.1.1 Introduction : partitions, inerties et distances
4.1.2 Centres mobiles (k-means)
4.1.3 Classification hiérarchique ascendante (CAH)
4.2 Classification d'individus décrits par des données qualitatives
Chapitre 5 : Graphes et réseaux
5.1 Graphes et réseaux : définitions de base
5.2 Centralités
5.2.1 Centralité de degré
5.2.2 Centralité d'intermediarité
5.2.3 Centralité de proximité
5.3 Les propriétés fréquemment rencontrées
5.3.1 La faible densité
5.3.2 La composante connexe géante
5.3.3 L'effet petit-monde
5.3.4 Le club-huppé
5.4 La recherche de communautés
5.4.1 Dissimilarités entre sommets
5.4.2 Méthode de Clauset-Newman-Moore
Chapitre 6 : Séries temporelles
6.0 Introduction
6.1 Partie I : Analyse historique
6.1.1 Les graphiques
6.1.2 Les modèles
6.1.3 Modélisation
6.2 Partie II : prévisions
Bibliographie
OUVRAGES DE REFERENCE :
OUVRAGES COMPLEMENTAIRES
- Corinne Hahn et Sandrine Macé, Méthodes statistiques appliquées au management, Pearson.
- L. Lebart, A. Morineau, M. Piron, Statistique exploratoire multidimensionnelle, Dunod ed.
- J.M. Martel, R. Nadeau, Statistique en gestion et en économie, Gaëtan Morin ed.
OUVRAGES COMPLEMENTAIRES
- B. Coutrot et F. Droesbeke, Les méthodes de prévision, PUF, Que sais-je ?, 1995.
- J.M. Bouroche et G. Saporta, L'analyse des données, PUF Que sais-je ?, 1980.
- Jean de Lagarde, Initiation à l'analyse des données, Dunod, 1998.
- Michel Volle, Analyse des données, Economica, 1980.
Contrôles des connaissances
Examen Terminal
Ecrit, 3h
Nature de l'épreuve : Epreuve écrite sur table
Contrôle continu
Notation pendant les enseignements
Nature des Travaux et pondération :
Ecrit, 3h
Nature de l'épreuve : Epreuve écrite sur table
Contrôle continu
Notation pendant les enseignements
Nature des Travaux et pondération :
- Evaluation sur machine en Travaux Dirigés : 0.6
- Rapport d'une analyse statistique (devoir maison) : 0.4
Informations complémentaires
MODALITES PEDAGOGIQUES / NATURE DES SUPPORTS
Supports : polycopié de cours et fascicule de TD
Les TD sont fait en salle machine avec le logiciel XLSTAT. Une licence du logiciel est fournie aux étudiants
pendant le semestre.
PRE-REQUIS EN TERMES DE CONNAISSANCES
Cours de Gestion et statistiques du semestre 3
Méthodes statistiques descriptives de base
Méthodes statistiques inférentielles
Logiciel : utilisation d'un tableur
LECTURE(S) CONSEILLEE(S) :
Corinne Hahn et Sandrine Macé, Méthodes statistiques appliquées au management, Pearson.
Supports : polycopié de cours et fascicule de TD
Les TD sont fait en salle machine avec le logiciel XLSTAT. Une licence du logiciel est fournie aux étudiants
pendant le semestre.
PRE-REQUIS EN TERMES DE CONNAISSANCES
Cours de Gestion et statistiques du semestre 3
Méthodes statistiques descriptives de base
Méthodes statistiques inférentielles
Logiciel : utilisation d'un tableur
LECTURE(S) CONSEILLEE(S) :
Corinne Hahn et Sandrine Macé, Méthodes statistiques appliquées au management, Pearson.
Renseignements pratiques
iaelyon School of Management
Université Jean Moulin
1C avenue des Frères Lumière
CS 78242
69372 Lyon cedex 08
Tél. : +33 (0)4 78 78 70 66
Sur Internet
Université Jean Moulin
1C avenue des Frères Lumière
CS 78242
69372 Lyon cedex 08
Tél. : +33 (0)4 78 78 70 66
Sur Internet
Dates d'admissions et dossiers de candidature
Licences, masters, DCG/DSCG, en formation initiale ou en alternance
► Trouvez les dates d'admissions et les dossiers de candidature
► Trouvez les dates d'admissions et les dossiers de candidature
Stages et carrières
Stages, alternance, emploi : entreprises, déposez vos offres à destinations des étudiants et diplômés de l'iaelyon, consultez le calendrier des stages et la CVthèque.
► Accès Link'iaelyon by U3e
► Accès Link'iaelyon by U3e
Mise à jour : 17 octobre 2017