Méthodes de Calcul Statistique dans MATLAB
Détails de la formation
Cette formation de deux jours vous apporte une expérience pratique dans l’analyse statistique de données avec MATLAB® et Statistics and Machine Learning Toolbox™. Au travers d’exemples et exercices vous apprendrez à utiliser les fonctionnalités appropriées du produit tout au long du processus d’analyse, incluant l’importation et l’organisation de données, l’analyse exploratoire, l’analyse confirmatoire, et la simulation.
Les sujets suivants sont étudiés :
- Manipulation de données
- Statistiques descriptives
- Visualisation de données
- Ajustement de distributions
- Tests de significativité
- Analyse de variance
- Ajustement de modèles de régression
- Réduction de données
- Générateurs de nombres aléatoires et simulations
Cette formation est enregistrée auprès de GARP et équivaut à 14 heures de crédits GARP CDP. Si vous êtes certifié FRM ou ERP, veuillez enregistrer ces heures sur votre compte à l'adresse https://www.garp.org/cpd.
Jour 1
Importation et organisation de 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 : Acquérir les bases de l'analyse statistique d'un jeu de données telles que la visualisation et le calcul de statistiques descriptives.
- Tracés
- Tendance centrale
- Dispersion
- Formes de distributions
- Corrélations
- Données groupées
Distributions
Objectif : Découvrir les différentes distributions de probabilité et ajuster des distributions à un jeu de données.
- Distributions de probabilité
- Paramètres de distribution
- Comparer et ajuster des distributions
- Ajustement non paramétrique
Tests d'hypothèse
Objectif : Valider une affirmation en fonction d'un jeu de données. Les utilisations classiques des tests d'hypothèse, telles que comparer deux distributions et déterminer les intervalles de confiance pour une valeur moyenne, sont mises en évidence.
- Tests d'hypothèse
- Tests d'une distribution normale
- Tests d'une distribution non normale
Jour 2
Analyse de variance
Objectif : Comparer des moyennes d'échantillons de différents groupes et déterminer les différences significatives entre ces groupes.
- Comparaisons multiples
- One-way ANOVA
- N-way ANOVA
- MANOVA
- Nonnormal ANOVA
- Corrélations 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.
- Modèles de régression linéaire
- Ajuster les modèles linéaires aux données
- Evaluer l'adéquation
- Mise au point du modèle
- Régression linéaire généralisée
- Régression non linéaire
Traitement de données à plusieurs dimensions
Objectif : Se familiariser avec les techniques de réduction des dimensions d'un jeu de données.
- Transformation de caractéristiques
- Sélection de caractéristiques
Nombres aléatoires et simulation
Objectif : 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.
- Bootstrap et simulation
- Générateurs de nombres aléatoires
- Générer des nombres aléatoires avec une distribution arbitraire
- Contrôler le flux de nombre aléatoire
Niveau: Intermédiaire
Pré-requis:
- Les fondamentaux MATLAB et une bonne connaissance des statistiques
Durée: 2 jours
Langues: Deutsch, English, Français, 日本語, 한국어