Analyse statistique des donnees manquantes
Data Value
Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
780 €
Durée
Nous contacter
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
Objectifs
Objectifs
Apprendre à identifier les différents types de données manquantes, connaître les méthodes de traitement disponibles, mettre en oeuvre des applications pratiques dans R.
Compétences visées
- Appréhender la problématique des données manquantes en balayant les impacts sur les analyses
- Distinguer les différents types de données manquantes
- Savoir mener un état des lieux des données manquantes
- Connaître les différentes stratégies à mettre à oeuvre pour traiter le problème
- Examiner différentes méthodes telles l'exclusion, l'imputation simple ou multiple
Apprendre à identifier les différents types de données manquantes, connaître les méthodes de traitement disponibles, mettre en oeuvre des applications pratiques dans R.
Compétences visées
- Appréhender la problématique des données manquantes en balayant les impacts sur les analyses
- Distinguer les différents types de données manquantes
- Savoir mener un état des lieux des données manquantes
- Connaître les différentes stratégies à mettre à oeuvre pour traiter le problème
- Examiner différentes méthodes telles l'exclusion, l'imputation simple ou multiple
Programme
- Problématique générale
Origine des données manquantes
Impact sur les analyses
- Les grands types de données manquantes
MCAR (Missing Completely At Random)
MAR (Missing At Random)
MNAR (Missing Not At Random)
- État des lieux des données manquantes
Détecter, synthétiser, lister les individus ou variables avec données manquantes
Pattern de données manquantes
- Panorama des différentes stratégies de traitement des données manquantes
- L'exclusion
- L'imputation simple
Par la moyenne
A l'aide d'un modèle
Par les k plus proches voisins
- L'imputation multiple
- Bilan
Origine des données manquantes
Impact sur les analyses
- Les grands types de données manquantes
MCAR (Missing Completely At Random)
MAR (Missing At Random)
MNAR (Missing Not At Random)
- État des lieux des données manquantes
Détecter, synthétiser, lister les individus ou variables avec données manquantes
Pattern de données manquantes
- Panorama des différentes stratégies de traitement des données manquantes
- L'exclusion
- L'imputation simple
Par la moyenne
A l'aide d'un modèle
Par les k plus proches voisins
- L'imputation multiple
- Bilan
Envie d’en savoir plus sur cette formation ?
Documentez-vous sur la formation
Ces formations peuvent vous intéresser
BUSINESS ANALYST - formation certifiante à distance
PARIS 11E

Finançable CPF
À distance / En centre / En entreprise
Tout public
DataBird
Devenir expert Power BI
PARIS, TOULOUSE, LYON ET 1 AUTRE(S) LOCALITÉ(S)

Finançable CPF
À distance / En centre / En entreprise
Salarié en poste / Entreprise
MYPE
Devenir Spécialiste Power BI
PARIS, TOULOUSE, MARSEILLE ET 1 AUTRE(S) LOCALITÉ(S)

Finançable CPF
À distance / En centre / En entreprise
Salarié en poste / Entreprise
MYPE
Les formations les plus recherchées
Lyon
Toulouse
Marseille
Montpellier
Paris
Bordeaux
Dijon
Mâcon
Nantes
Rennes
Audit CPF
Audit en Ligne
Statisticien
Statisticien CPF
Statisticien en Ligne
Analyste de donnees
Auditeur qualite
Audit interne
Statisticien Paris
Statisticien Paris 10e
Statisticien Paris 11e
Statisticien Paris 12e
Statisticien Paris 13e
Statisticien Paris 14e
Statisticien Paris 15e
Statisticien Paris 16e
Statisticien Paris 17e
Statisticien Paris 18e