Vous êtes ici

  1. Accueil
  2. Analyses exploratoires multidimensionnelles

Analyses exploratoires multidimensionnelles

Analyses exploratoires multidimensionnelles

En pratique :

Volume horaire de cours : 24
Volume horaire global de TD : 6
Langue principale : français
Nombre de crédits européens : 3
Capacité d'accueil : 30

Description du contenu de l'enseignement

  • Les méthodes d’analyses factorielles : analyse factorielle d’un nuage de points, analyse en composantes principales (ACP), analyse des correspondances simples et multiples (AFC et ACM), analyse factorielle multiple (AFM) de tableaux multiples
  • Les méthodes de classification : algorithmes hiérarchiques (CAH), algorithmes non-hiérarchiques (nuées dynamiques, K-means …), méthodes de classification supervisées (analyse factorielle discriminante, arbres de décision (méthode CART))
  • Articulation avec la modélisation : régression sur composantes principales, régression PLS

Compétences à acquérir

L’objectif est de permettre aux étudiants d'analyser des données multidimensionnelles, de nature hétérogène (variables quantitatives, qualitatives, indicatrices), en nombre souvent important, issues de questionnaires d’enquête ou de monitoring biologique, en étudiant leur structure du point de vue des relations entre l’ensemble des variables et du point de vue des distances entre les individus observés. L’un des enjeux de ces méthodes est de réduire la dimension de l’espace d’observation des individus en créant des variables synthétiques permettant de résumer au mieux l’information complexe d’origine. Ces méthodes peuvent être utilisées seules, pour décrire au mieux une population sur un nombre important de critères considérés simultanément (construction d’une typologie de la population selon divers critères). Elles peuvent aussi être utilisées efficacement en amont de la modélisation afin de prévenir des problèmes de colinéarité entre facteurs explicatifs, de réduire le nombre de paramètres à estimer dans un modèle. La complémentarité de cette approche avec le travail de modélisation sera abordée avec les méthodes factorielles décisionnelles et l’approche PLS.


Modalités pédagogiques

  • en présence