SPAD – Prise en main, analyses statistiques et graphiques

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. 

- Traitements statistiques de base avec SPAD

• Introduction - Prise en main du logiciel SPAD
• Notions de basePopulation, échantillon, individus, variables
• Recodage de variablesMise en classes, regroupement de modalités, croisements, ...
• Préparation et gestion des donnéesConstruction de nouveaux tableaux : empilé, juxtaposé, ...
• Statistiques descriptives univariéesRésumés graphiques et numériques
  

- Raisonnement à partir d’un échantillon avec SPAD

• Intervalle de confiance
• Tests paramétriques usuelsConformité d’une moyenne. Comparaison de deux moyennes, de deux variances, de deux proportions
• Test de normalité
• Principaux tests non paramétriquesTests de Mann et Whitney, Kruskal Wallis, Friedman, McNemar, Cochran
  

- Liaisons entre deux variables avec SPAD

• Étude d’une corrélation linéaireNuage de points – Le coefficient de Pearson - Significativité d’une corrélation
• Liaison entre deux variables qualitativesLe 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