Méthodes de Calcul Statistique dans MATLAB

Jour 1 sur 2

Importer et organiser des données

Objectif: Importer des données dans MATLAB et les organiser à des fins d'analyse. Des problèmes courants, tels que fusionner des données et gérer des données manquantes, sont mis en évidence.

• Importation des données
• Types de données
• Tables de données
• Fusionner des données
• Données catégorielles
• Données manquantes

Exploration de données

Objectif: Produire des statistiques descriptives à partir d'un jeu de données, y compris la visualisation et le calcul de statistiques sommaires.

• Visualisation de données
• Calculer les paramètres de position, de dispersion et de forme
• Calculer les coefficients de corrélation
• Réaliser des calculs avec des données groupées

Distributions

Objectif: Découvrir les différentes distributions de probabilité et ajuster des distributions à un jeu de données. Utiliser les nombres aléatoires pour évaluer l'incertitude ou la sensibilité sur un modèle, ou effectuer des simulations. La génération de nombres aléatoires à partir de diverses distributions et la gestion des algorithmes MATLAB de génération de nombre aléatoire sont détaillées.

• Distributions de probabilité et paramètres associés
• Comparer et ajuster des distributions
• Ajuster des distributions non paramétriques
• Bootstrap et simulation
• Générer des nombres aléatoires à partir d'une distribution arbitraire
• Contrôler le flux de nombre aléatoire

Jour 2 sur 2

Tests d'hypothèse

Objectif: Déterminer si un jeu de données confirme de façon satisfaisante une hypothèse particulière. Appliquer des tests d'hypothèse dans des cas d'utilisation courants comme la comparaison des paramètres de position et de dispersion de deux distributions.

• Analyse de données confirmatoire
• Tests d'hypothèse avec une distribution normale
• Tests d'hypothèse avec une distribution non normale

Analyse de variance

Objectif: Comparer des moyennes d'échantillons de différents groupes et déterminer les différences significatives entre ces groupes.

• Effectuer une analyse de variance (ANOVA)
• Calculer des corrections pour des comparaisons multiples
• Effectuer une analyse N-way ANOVA et une analyse multivariée de variance (MANOVA)
• ANOVA pour des données non normales
• Tests d'indépendance avec des données catégorielles

Régression

Objectif: Effectuer de la modélisation prédictive pour ajuster des modèles linéaires et non-linéaires à un jeu de données. Les techniques pour améliorer la qualité d'un modèle sont détaillées. Se familiariser avec les techniques de réduction des dimensions d'un jeu de données.

• Modèles de régression linéaire
• Ajuster les modèles linéaires aux données
• Évaluer l'adéquation et ajuster le modèle
• Régression linéaire généralisée
• Régression non linéaire
• Sélection et transformation de caractéristiques