Analyse de données avec R
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , |
| Support: | Livre |
| Langue: | Français |
| Publié: |
Rennes :
Presses universitaires de Rennes,
2016.
|
| Édition: | 2e édition revue et augmentée. |
| Collection: | Pratique de la statistique
|
| Sujets: | |
| Autres localisations: | Voir dans le Sudoc |
| Résumé: | Une introduction à l'analyse des données multidimensionnelles. Pour chaque méthode, un exemple permet d'introduire la problématique et concrétise pas à pas les éléments théoriques. Cet exposé est suivi d'exemples illustrant ses diverses applications. Chaque résultat est accompagné de la commande R qui permet de l'obtenir. Toutes ces commandes sont accessibles à partir du logiciel libre FactoMineR. ↑Electre 2017 |
Table des matières:
- P. 1
- 1, Analyse en Composantes Principales (ACP)
- P. 1
- 1.1, Données - notations - exemples
- P. 2
- 1.2, Objectifs
- P. 5
- 1.3, Études des individus
- P. 13
- 1.4, Étude des variables
- P. 16
- 1.5, Relation entre les représentations de NI et NK
- P. 17
- 1.6, Aides à l'interprétation
- P. 25
- 1.7, Mise en oeuvre avec FactoMineR
- P. 26
- 1.8, Compléments
- P. 29
- 1.9, Exemple : données dépenses des ménages
- P. 44
- 1.10, Exemple : données températures
- P. 53
- Exemple : données génomiques
- P. 61
- 2, Analyse Factorielle des Correspondances (AFC)
- P. 61
- 2.1, Données - notations
- P. 64
- 2.2, Objectifs et modèle d'indépendance
- P. 67
- 2.3, Les nuages et leur ajustement
- P. 79
- 2.4, Aides à l'interprétation
- P. 85
- 2.5, Éléments supplémentaires (= illustratifs)
- P. 88
- 2.6, Mise en oeuvre avec FactoMineR
- P. 89
- 2.7, AFC et traitement de données textuelles
- P. 93
- 2.8, Exemple : données Jeux Olympiques
- P. 103
- 2.9, Exemple : 10 vins blancs du Val de Loire
- P. 109
- 2.10, Exemple : causes de mortalité des Français
- P. 127
- 3, Analyse des Correspondances Multiples (ACM)
- P. 127
- 3.1, Données - notations
- P. 128
- 3.2, Objectifs
- P. 130
- 3.3, Distance entre individus et distance entre modalités
- P. 132
- 3.4, AFC sur le tableau disjonctif complet
- P. 140
- 3.5, Aides à l'interprétation
- P. 144
- 3.6, Mise en oeuvre avec FactoMineR
- P. 148
- 3.7, Compléments
- P. 156
- 3.8, Enquête sur la perception des OGM
- P. 163
- 3.9, Exemple : catégorisation
- P. 169
- 4, Classification
- P. 169
- 4.1, Données - problématique
- P. 173
- 4.2, Formalisation de la notion de ressemblance
- P. 177
- 4.3, Construction d'une hiérarchie indicée
- P. 178
- 4.4, Méthode de Ward
- P. 184
- 4.5, Recherche d'une partition par agrégation autour des centres mobiles
- P. 186
- 4.6, Partitionnement et classification hiérarchique
- P. 187
- 4.7, Classification et analyse factorielle
- P. 189
- 4.8, Classification et données manquantes
- P. 189
- 4.9, Exemple : données températures
- P. 195
- 4.10, Exemple : données thé
- P. 200
- 4.11, Exemple : découpage en classes de variables quantitatives
- P. 203
- 5, Visualisation de données issues d'une analyse factorielle
- P. 203
- 5.1, Données - problématiques
- P. 204
- 5.2, Visualisation de données issues d'une ACP
- P. 208
- 5.3, Visualisation de données issues d'une AFC
- P. 211
- 5.4, Visualisation de données issues d'une ACM
- P. 214
- 5.5, Alternatives aux fonctions graphiques du package FactoMineR
- P. 216
- 5.6, Améliorations des graphes par les arguments communs aux fonctions graphiques de FactoMineR
- P. 219
- A, Annexe
- P. 219
- A.1, Pourcentage d'inertie expliqué par un axe et par un plan
- P. 224
- A.2, Le logiciel R
- P. 235
- Bibliographie
- P. 237
- Index