Statistique d'Analyse de Données Industrielles

Formation

À Paris

Prix sur demande

Description

  • Typologie

    Formation

  • Lieu

    Paris

Objectifs: Savoir mener: une Régression Linéaire Multiple. une Analyse en Composantes Principales. une Régression PLS. une Analyse de Variance Multiple. Disposer pour chacune de ces méthodes: de ses cas d'emplois d'une démarche rigoureuse d'investigation des clés d'interprétation et de critique de leurs résultats d'une connaissance de leurs limites. Destinataires: Ingénieur. Technicien de laboratoire, de fabrication ou de l'équipe Qualité.

Les sites et dates disponibles

Lieu

Date de début

Paris ((75) Paris)
Collège de Polytechnique X Rom sa 23, Rue Taitbout, 75009

Date de début

Consulter

Questions / Réponses

Ajoutez votre question

Nos conseillers et autres utilisateurs pourront vous répondre

À qui souhaitez-vous addresser votre question?

Saisissez vos coordonnées pour recevoir une réponse

Nous ne publierons que votre nom et votre question

Emagister S.L. (responsable du traitement) traitera vos données pour mener des actions promotionnelles (par e-mail et/ou téléphone), publier des avis ou gérer des incidents. Vous pouvez consulter vos droits et gérer votre désinscription dans la politique de confidentialité.

Les Avis

Le programme

Régression linéaire multiple (RLM)

- Structure des données et principes de base
- Diagnostic de la structure des données
- Choix du modèle
- Choix des coefficients à retenir et validation globale du modèle
- Le traitement des facteurs qualitatifs
- Les graphiques liés à la régression
- Optimisation

Analyse en composantes principales (ACP)

- Structure des données et principes de base
- Rappels sur la notion de corrélation
- Interprétation de la projection des variables et qualité de représentation
- Interprétation de la projection des individus et qualité de représentation
- Le traitement des variables qualitatives

Application de la régression PLS sur la base de l’exemple montrant les limites de la RLM

- Choix du nombre d’axes
- Interprétation des résultats statistiques
- Prise en compte de facteurs qualitatifs
- Validation du modèle

Analyse de variance multiple

- Structure des données et principes de base
- Diagnostic de la structure des données
- Choix des effets à retenir et validation globale du traitement
- Place de la dispersion expérimentale
- Les graphiques liés à l’analyse de variance

Justification de l’intérêt de la planification expérimentale

Statistique d'Analyse de Données Industrielles

Prix sur demande