| Titre : |
Analyse de données avec R |
| Type de document : |
texte imprimé |
| Auteurs : |
Francois Husson |
| Mention d'édition : |
2e édition revue et augmentée |
| Editeur : |
Rennes : Presses universitaires de Rennes |
| Année de publication : |
2016 |
| Collection : |
Pratique de la statistique, ISSN 2269-4714 |
| Importance : |
1 vol. (IX-239 p.) |
| Présentation : |
ill., tabl., graph., couv. ill. en coul |
| Format : |
24 cm |
| ISBN/ISSN/EAN : |
978-2-7535-4869-5 |
| Note générale : |
Bibliogr. p. 235. Index |
| Langues : |
Français (fre) |
| Catégories : |
Analyse des donnees ; Manuels d'enseignement superieur
|
| Mots-clés : |
Manuels d'enseignement supérieur
R (logiciel) Manuels d'enseignement supérieur
Statistique mathématique -- Informatique -- Manuels d'enseignement supérieur
Analyse factorielle |
| Résumé : |
La 4e de couv. indique : "Le contenu de ce livre correspond à l'enseignement d'analyse de donnéesproposé par l'ensemble des étudiants d'Agrocampus. Il a été conçu pour des étudiants qui ne se destinent pas aux métiers de la statistique mais qui auront à traiter des données dans le cadre deleurs stages d'abord de leurs emplois ensuite. Concrètement, le niveau d'une licence scientifique est tout à fait suffisant pour s'approprier tous les concepts introduits. Sur le plan informatique, une initiation au langage R est suffisante, au moins pour commencer. Pour chaque méthode, la démarche adoptée est la même. Un exemple permet d'introduire la problématique et concrétise presque pas à pas les éléments théoriques. Cet exposé est suivi de plusieurs exemples traités de façon détaillée pour illustrer l'apport de la méthode dans les applications. Tout le long du texte, chaque résultat est accompagné de la commande R qui permet de l'obtenir. Toutes ces commandes sont accessibles à partir du logiciel libre FactoMiner. Ainsi, avec cet ouvrage, le lecteur dispose d'un équipement complet (bases théoriques, exemples, logiciels) pour analyser des données multidimensionnelles. Cette édition prend en compte l'actualisation du logiciel R."
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 deFactoMineR
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 |
Analyse de données avec R [texte imprimé] / Francois Husson . - 2e édition revue et augmentée . - Rennes : Presses universitaires de Rennes, 2016 . - 1 vol. (IX-239 p.) : ill., tabl., graph., couv. ill. en coul ; 24 cm. - ( Pratique de la statistique, ISSN 2269-4714) . ISBN : 978-2-7535-4869-5 Bibliogr. p. 235. Index Langues : Français ( fre)
| Catégories : |
Analyse des donnees ; Manuels d'enseignement superieur
|
| Mots-clés : |
Manuels d'enseignement supérieur
R (logiciel) Manuels d'enseignement supérieur
Statistique mathématique -- Informatique -- Manuels d'enseignement supérieur
Analyse factorielle |
| Résumé : |
La 4e de couv. indique : "Le contenu de ce livre correspond à l'enseignement d'analyse de donnéesproposé par l'ensemble des étudiants d'Agrocampus. Il a été conçu pour des étudiants qui ne se destinent pas aux métiers de la statistique mais qui auront à traiter des données dans le cadre deleurs stages d'abord de leurs emplois ensuite. Concrètement, le niveau d'une licence scientifique est tout à fait suffisant pour s'approprier tous les concepts introduits. Sur le plan informatique, une initiation au langage R est suffisante, au moins pour commencer. Pour chaque méthode, la démarche adoptée est la même. Un exemple permet d'introduire la problématique et concrétise presque pas à pas les éléments théoriques. Cet exposé est suivi de plusieurs exemples traités de façon détaillée pour illustrer l'apport de la méthode dans les applications. Tout le long du texte, chaque résultat est accompagné de la commande R qui permet de l'obtenir. Toutes ces commandes sont accessibles à partir du logiciel libre FactoMiner. Ainsi, avec cet ouvrage, le lecteur dispose d'un équipement complet (bases théoriques, exemples, logiciels) pour analyser des données multidimensionnelles. Cette édition prend en compte l'actualisation du logiciel R."
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 deFactoMineR
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 |
|  |
Faire une suggestion Affiner la rechercheAnalyse de données avec R / Francois Husson (2016)
