Les mathématiques comparent des phénomènes
les plus diversifiés et découvrent les analogies
secrètes qui les unissent.
    J.B.J. Fourier

STA201 - Analyse multivariée approfondie

Les autres UE STA - Equipe pédagogique

Unité d’Enseignement : STA201 - Enseignant(s) : NIANG N. et RUSSOLILLO G.


Unité d’Enseignement ouverte en 2017-2018



Horaires des séances : Les Mercredis de 18h00 à 20h30.

Programme 1er semestre

  • Pour l’emploi du temps veuillez consulter ce site.

Validation de l’UE CONSIGNES


Matériel de cours

  • Cours 04 Octobre 2017.Eléments d’analyse multivariée (E. JAKOBOWICZ)
    - Cours
    - Exercices
  • Cours 11 Octobre 2017.Simulation, échantillonnage, bootstrap (E. JAKOBOWICZ)
    - Cours
  • Cours 15 et 22 novembre 2017. Analyse discriminante décisionnelle
    - cours

Ressources Utiles :

- SPAD pour Windows Le lien ci-dessous vous permet d’accéder aux instructions de téléchargement et d’installation du logiciel SPAD Version Windows. Plateforme de téléchargement de SPAD Version 8.2.

- SPAD pour Mac Le lien ci-dessous vous permet d’accéder aux instructions de téléchargement et d’installation du logiciel SPAD Version Mac. Spad version Mac.

- Licence SAS. Licence Gratuite à domicile pour étudiants et professeurs SAS 9.4. Les personnels CNAM ainsi que les élèves régulièrement inscrits peuvent bénéficier de cette licence annuelle. Les instructions d’installation s’obtiennent en suivant le lien suivant Se munir de son identifiant et de son mot de passe.

- Le logiciel R est téléchargeable ici, et Rstudio (interface pour R) est téléchargeable ici.

- Ressources pour R :

— Le Site "Quick R"

— Le Site "Advanced R"

— Le Site "R-packages"

— Le Site "De Gaston Sanchez"

Un commentaire (publié dans la revue Nature) : Adventures with R

- Introduction aux techniques d’apprentissage par machine (machine learning). Cours et vidéos par l’équipe de Stanford

- A post on "how to become a data scientist (from R-Blogger)."

- Un lien vers un cours offert à Stanford (par Hastie, & Tibshirani) à partir du 19 Janvier 2015 (couvre : R, analyse discriminante, bootstratp, LASSO, etc. )

Deux Livres Importants (et Gratuits !)

- Le livre de Hastie, Tibshirani, & Friedman (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction. New York : Springer. (Téléchargeable à partir de la page maison des auteurs).

- Le Livre de James, Witten, Hastie, & Tibshirani (2013). An Introduction to Statistical Learning with Applications in R. (Téléchargeable à partir de la page maison des auteurs).

Bibliographie Française

Manuel de Cours : Saporta, G. (2011). Probabilités, analyse des données et statistique. Paris : Technip. (Ce livre constitue la référence pour ce cours. Les références aux chapitres de ce livre, mentionnées plus bas, sont précédées des initiales "GS").

Ouvrages conseillés :

Lebart, L., Piron, M., & Morineau A. (2006). Statistiques exploratoire multidimensionnelle : Visualisations et inférences en fouille de données. Paris : Dunod.

Bellanger, L., & Tomassone, R. (2014). Exploration de données et méthodes statistiques data analysis & data mining avec le logiciel R. Paris : Ellipses.

Tenenhaus, M. (2007). Statistique : Méthodes pour décrire, expliquer et prévoir. Paris : Dunod.

Husson, F., Lê, S., & Pagès, J. (2009). Analyse de données avec R. Rennes : PUR.

Abdi, H., & Valentin, D. (2006). Mathématiques pour les sciences cognitives : Avec des applications aux réseaux de neurones, au traitement du signal, à l’imagerie cérébrale et à la statistique. Grenoble : PUG.

Quelques articles pour référence (mise à jour : analyse multivariée et calcul matriciel)


Data Sets :

- Des jeux de données pour tester des idées



Mis à jour le mercredi 15 novembre 2017, par : Wilk


Contact   |   Plan d'accès   |   Annuaire   |   Plan du site   |   IntraMaths   |   IntraCnam