3.00 crédits
15.0 h + 7.5 h
Q1
Enseignants
Segers Johan;
Langue
d'enseignement
d'enseignement
Français
Thèmes abordés
Le cours présente un survol des principaux outils de l'analyse exploratoire de données multivariées via les méthodes factorielles. Les données sont projetées sur un sous-espace de faible dimension tout en gardant un maximum d'information. Cette réduction de dimension facilite la visualisation et aide à la découverte de l'information et des tendances dans un tableau de données.
- Rappels d'algèbre et de géométrie utiles à l'analyse des données
- Principes de base des méthodes factorielles
- Analyse en composantes principales
- Classification: moyennes mobiles et classification hiérarchique
- Analyse discriminante linéaire
Contenu
- Matrices de données
- Analyse en composantes principales
- Classification: moyennes mobiles et classification hiérarchique
- Analyse discriminante linéaire
Méthodes d'enseignement
Lors des cours magistraux, l'enseignant présente les différentes méthodes d'analyse, couvrant à la fois leur champ d'application, la théorie mathématique sous-jacante, et la programmation en R. Des devoirs sont donnés dont la solution est discutée lors des cours magistraux aussi.
Les TP se déroulent en salle informatique et servent surtout pour permettre aux étudiants de s'entraîner à l'application des méthodes d'analyse en R et sur des vrais jeux de données.
Les TP se déroulent en salle informatique et servent surtout pour permettre aux étudiants de s'entraîner à l'application des méthodes d'analyse en R et sur des vrais jeux de données.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Examen (12/20):
Evaluation continue - projet (8/20):
- par écrit, à livre fermé, à l'aide d'un formulaire et d'une calculatrice
- exercices et questions de calcul, d'interprétation de sortie de logiciel, et de compréhension des formules et des résultats principaux
- Test 1: Matrices de données et analyse en composantes principales
- Test 2: Classification et Analyse discriminante linéaire
Evaluation continue - projet (8/20):
- seul ou en binôme
- application des méthodes sur une base de donnée apportée par l'étudiant lui-même
- rapport écrit, à soumettre avant une ou plusieurs dates spécifiées pendant le cours
- consignes détaillés lors des TP et sur la page MoodleUCL du cours
Autres infos
Préalables :
- calcul vectoriel et matriciel
- géométrie euclidienne: points, espaces, orthogonalité, distances, angles
- notions de base en statistique: moyenne, (co)variance, corrélation, matrice de covariance, probabilité conditionnelle, distribution normale, distribution khi-carré
Ressources
en ligne
en ligne
Toutes les ressources nécessairs pour le cours sont fournies sur la page MoodleUCL du cours: les dias des cours magistraux et des TP, les script informatiques, les exercices. En plus, des liens vers des ressources électroniques externes sont fournis aussi: des cours en ligne, des vidéos, de la documentation du logiciel utilisé.
Bibliographie
- Escofier, B. et Pagès, J. (2016): Analyses factorielles simples et multiples, 5e édition, Dunod, Paris.
- Lebart, L., Piron, M. et Morineau, A. (2006): Statistique exploratoire multidimensionnelle, 4e édition, Dunod, Paris.
- Saporta, G. (2011): Probabilités, analyse des données et statistique, 3e édition révisée, Editions TECHNIP, Paris.
Faculté ou entité
en charge
en charge
LSBA
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] : bioingénieur en sciences et technologies de l'environnement
Master [120] : bioingénieur en gestion des forêts et des espaces naturels
Master [120] en sciences agronomiques et industries du vivant