SPAD - Prise en main- analyses statistiques et graphiques
Data Value
Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
1980 €
Durée
Nous contacter
Niveau visé
Non diplômante
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
Objectifs
Objectifs :
Connaître le logiciel SPAD pour gérer les données, réaliser des analyses statistiques et graphiques.
Apprendre à mettre en oeuvre les méthodes de statistiques descriptives, inférentielles, Anova, régression, analyse de données multidimensionnelles (ACP, AFC, classification), Data Mining et Text Mining dans le logiciel SPAD
Compétences visées :
- Réaliser des analyses statistiques descriptives univariées avec SPAD
- Mettre en oeuvre l'inférence statistique (intervalles de confiance et tests) dans le logiciel
- Étudier les liaisons des variables deux à deux dans SPAD à l'aide d'indicateurs numériques et de graphiques adéquats selon la nature des données (quantitatives, qualitatives ou les deux)
- Maîtriser les techniques de modélisation (analyse de la variance et régressions) dans le logiciel
- Découvrir les principales méthodes exploratoires d'analyse des données (ACP, AFC, ACM et Classification)
- Découvrir le Data Mining et Text Mining avec SPAD
Connaître le logiciel SPAD pour gérer les données, réaliser des analyses statistiques et graphiques.
Apprendre à mettre en oeuvre les méthodes de statistiques descriptives, inférentielles, Anova, régression, analyse de données multidimensionnelles (ACP, AFC, classification), Data Mining et Text Mining dans le logiciel SPAD
Compétences visées :
- Réaliser des analyses statistiques descriptives univariées avec SPAD
- Mettre en oeuvre l'inférence statistique (intervalles de confiance et tests) dans le logiciel
- Étudier les liaisons des variables deux à deux dans SPAD à l'aide d'indicateurs numériques et de graphiques adéquats selon la nature des données (quantitatives, qualitatives ou les deux)
- Maîtriser les techniques de modélisation (analyse de la variance et régressions) dans le logiciel
- Découvrir les principales méthodes exploratoires d'analyse des données (ACP, AFC, ACM et Classification)
- Découvrir le Data Mining et Text Mining avec SPAD
Programme
- Traitements statistiques de base avec SPAD
Introduction - Prise en main du logiciel SPAD
Notions de base
Population, échantillon, individus, variables
Recodage de variables
Mise en classes, regroupement de modalités, croisements, ...
Préparation et gestion des données
Construction de nouveaux tableaux : empilé, juxtaposé, ...
Statistiques descriptives univariées
Résumés graphiques et numériques
- Raisonnement à partir d'un échantillon avec SPAD
Intervalle de confiance
Tests paramétriques usuels
Conformité d'une moyenne. Comparaison de deux moyennes, de deux variance, de deux proportions
Test de normalité
Principaux tests non paramétriques
Tests de Mann et Whitney, Kruskal Wallis, Friedman, McNemar, Cochran
- Liaisons entre deux variables avec SPAD
Étude d'une corrélation linéaire
Nuage de points - Le coefficient de Pearson - Significativité d'une corrélation
Liaison entre deux variables qualitatives
Le tableau de contingence - Coefficients d'association - Le test du Khi 2
Liaison entre une variable qualitative et quantitative
Caractérisation automatique de variables par d'autres variables
- Principales techniques de modélisation avec SPAD
L'analyse de la variance à un facteur
L'analyse de la variance à deux facteurs
La régression linéaire simple
La régression linéaire multiple
- L'analyse de données multidimensionnelles avec SPAD
ACP - Analyse en Composantes Principales
AFC - Analyse Factorielle des Correspondances
ACM - Analyse des Correspondances Multiples
CAH - Classification Ascendante Hiérarchique
La classification mixte
- Introduction au Data Mining et au Text Mining avec SPAD
Les arbres de décision
Le marquage sémantique
Les réseaux de neurones
Le Text Mining
Introduction - Prise en main du logiciel SPAD
Notions de base
Population, échantillon, individus, variables
Recodage de variables
Mise en classes, regroupement de modalités, croisements, ...
Préparation et gestion des données
Construction de nouveaux tableaux : empilé, juxtaposé, ...
Statistiques descriptives univariées
Résumés graphiques et numériques
- Raisonnement à partir d'un échantillon avec SPAD
Intervalle de confiance
Tests paramétriques usuels
Conformité d'une moyenne. Comparaison de deux moyennes, de deux variance, de deux proportions
Test de normalité
Principaux tests non paramétriques
Tests de Mann et Whitney, Kruskal Wallis, Friedman, McNemar, Cochran
- Liaisons entre deux variables avec SPAD
Étude d'une corrélation linéaire
Nuage de points - Le coefficient de Pearson - Significativité d'une corrélation
Liaison entre deux variables qualitatives
Le tableau de contingence - Coefficients d'association - Le test du Khi 2
Liaison entre une variable qualitative et quantitative
Caractérisation automatique de variables par d'autres variables
- Principales techniques de modélisation avec SPAD
L'analyse de la variance à un facteur
L'analyse de la variance à deux facteurs
La régression linéaire simple
La régression linéaire multiple
- L'analyse de données multidimensionnelles avec SPAD
ACP - Analyse en Composantes Principales
AFC - Analyse Factorielle des Correspondances
ACM - Analyse des Correspondances Multiples
CAH - Classification Ascendante Hiérarchique
La classification mixte
- Introduction au Data Mining et au Text Mining avec SPAD
Les arbres de décision
Le marquage sémantique
Les réseaux de neurones
Le Text Mining
Envie d’en savoir plus sur cette formation ?
Documentez-vous sur la formation
Ces formations peuvent vous intéresser
Formation au métier de Data Analyst (Power BI, SQL, certification...
LILLE, GRENOBLE, MARSEILLE ET 11 AUTRE(S) LOCALITÉ(S)
Offre spéciale
Avis du centre
