SPAD - Prise en main, analyses statistiques et graphiques par Data Value

- 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 variance, 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

Connaître le logiciel SPAD de manière approfondie 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.