595610_fr-FR

liliconcom

Page d'accueil du cours "JMP® : Analyser des réponses discrètes"

Résumé: Ce cours vous apprend à analyser des données ou des résultats discrets (ou catégoriques) à l'aide d'associations, de tableaux de contingence, de stratification, d'analyse des correspondances, de régression logistique, de modèles linéaires généralisés, de partitionnement et de modèles de réseaux de neurones artificiels.

---

Durée: 7 heures de contenu.

---

Modalités :

• en direct en ligne avec un instructeur -- Ce cours est disponible périodiquement (mais rarement) dans notre horaire des cours publics . Les cours publics sont l'occasion d'apprendre ce contenu avec un instructeur en direct, mais ils ne sont actuellement proposés qu'en anglais et aux heures les plus pratiques pour un public américain (car la plupart de nos instructeurs sont dans les fuseaux horaires américains). Vous ne voyez pas ce que vous cherchez ?Faites le nous savoir .
• via un prestataire de formation tiers -- Tout cours de notre programme JMP peut être enseigné par un prestataire de formation agréé, y compris via le service de formation de votre propre entreprise. Contactez votre représentant JMP pour en savoir plus.

---

Prérequis : Avant de suivre ce cours, il est recommandé de compléter le Logiciel JMP® : une approche d'étude de cas pour l'exploration de données et JMP® : Décisions statistiques à l'aide de l'ANOVA et de la régression cours ou avoir une expérience équivalente.

---

Objectifs d'apprentissage:

• Examiner les associations entre les variables
• Effectuez des tests du chi carré et des tests exacts de Fisher
• Effectuer une analyse stratifiée
• Effectuer une analyse de correspondance
• Effectuer une régression logistique
• Interpréter le résultat de la régression logistique
• Ajuster une réponse binaire et un nombre d'événements avec des modèles linéaires généralisés (GLM)
• Ajuster un modèle d'arbre de décision
• Ajuster un modèle de réseau neuronal artificiel.

---

Plan de cours:

Les associations

• Introduction aux données catégorielles
• Examen des associations entre les variables
• Analyse des correspondances

Régression logistique

• Approche de probabilité
• Régression logistique binaire
• Modèles de régression logistique nominaux et ordinaux

Modèles linéaires généralisés

• La généralisation
• Régression logistique revisitée
• Régression de Poisson

Partitionnement récursif

• Plate-forme de partition

Modèles de réseaux de neurones artificiels

• Plateforme neuronale

Modélisation statistique avancéeModélisation prédictive et apprentissage automatique