Formation Statistique théor/partiq

Modèle Base : Reporting et graphique, statistique descriptive, classification (nuées dynamiques, hiérarchique, Two-step), Analyses factorielle, Positionnement, Analyse discriminante, Régression linéaire)

 

Modèles de régression : Régression logistique multinomiale, Régression logistique binaire,régression non linéaire sans contrainte,Régression non linéaire avec contraintes,Moindre carrées pondérés,Doubles moindres carrés, Analyse probit.

 

Modèles Avancés : Analyse de variance, covariance (ANOVA, ANCOVA, MANOVA et MANCOVA), Effets fixes, effets aléatoires, modèle mixtes, Modèle linéaire général (GLM), Mesures répétées univariées.

 

Modèles de Correspondance : Analyse de correspondances, Analyse de l’homogénéité, Analyse de correspondance Multiples, Analyse des corrélations canoniques.

 

Modèles de Testes Exacts : test d’ajustement khi deux, Kolmogorov, Runs, Test Binomial, K-échantillons, Mesures d’association (nominales, ordinales, Kappa de cohen.)

 

Modèles de Séries:ARIMA, Lissage Exponentiel, Analyse Spectrale, Auto régression.

 

Modèles des Valeurs Manquantes : Analyse de la structure des données manquantes, Remplacement des valeurs manquantes par algorithme EM ou régression.

 

Modèles d’ Echantillonnages : Echantillonnage aléatoire simple, Echantillonnage stratifié, Echantillonnage en grappe, Systématique avec PPS, PPS Brewer, PPS Murthy.

 

Modèles d’arbres de décisions : CHAID, Exhaustive CHAID, Quest., C5.0, CRT 

 

Modèles Analyse conjointe, Modèles Validation de données,