centrage les données se présentent sous la forme d'une matrice, il est habituel, par exemple lors d'une analyse en composantes principales, de centrer les
Previous PDF | Next PDF |
[PDF] Analyse statistique des donn´ees dexpression - Institut de
centrage les données se présentent sous la forme d'une matrice, il est habituel, par exemple lors d'une analyse en composantes principales, de centrer les
[PDF] Statistique Numérique et Analyse des Données
par exemple, la permutation) qui ne modifie pas la fréquence des résultats Le but de ce chapitre est d'introduire les statistiques principales et de donner un
[PDF] Analyse Statistique et Introduction aux bases de - Vivien Rossi
et §¡ sont proches il est préférable de mi- tiger la conclusion 31 Page 32 Exemple du traitement de deux variables qualitatives
[PDF] Deuxième partie: Analyse de données et rédaction de rapports
titre soumises, 1'envergure des exposes peut titre elargie (en detaillant les tests statistiques, par exemple, ou I'analyse des donnees qualitatives) ou leur ordre
[PDF] CH1 : Introduction à lAnalyse Des Données (ADD)
CH1 : Introduction à l'Analyse Des Données (ADD) A- Introduction Lors de toute étude statistique, il est nécessaire de décrire et explorer les A-2 Exemples
[PDF] Mémoire de fin détudes - Archimer - Ifremer
Sujet du mémoire : Analyse statistique des données de seuls et que leur combinaison peut avoir un effet aggravant (par exemple, une huître 1 Maladie
[PDF] Guide dexploitation et danalyse des données de - Horizon IRD
Introduction méthodologique à l'analyse statistique des données 78 1 exemple, les objectifs de l'enquête, la définition des variables, la méthode
[PDF] Rappels : Analyse statistique pour des variables quantitatives et
Régression: rappel, codage des variables qualitatives, diagnostique des résidus et validation du modèle ANOVA Sélection de modèles pour la régression
[PDF] exemple animation périscolaire
[PDF] exemple app refus de soins
[PDF] exemple appel d'offre agence de communication
[PDF] exemple application android studio
[PDF] exemple application client serveur
[PDF] exemple appreciation bafd stagiaire
[PDF] exemple appréciation bulletin maternelle
[PDF] exemple appreciation prof
[PDF] exemple appréciation stage cesf
[PDF] exemple appréciation stage en entreprise
[PDF] exemple appréciation stage pratique bafa
[PDF] exemple appréciation stage pratique bafd
[PDF] exemple approche globale de l'exploitation agricole
[PDF] exemple apr
Analyse statistique des
donn´ees d"expression
ALAINBACCINI1, PHILIPPEBESSE1, S´EBASTIEND´EJEAN1, PASCALMARTIN2, CHRIST`ELEROBERT-GRANI´E3& MAGALISANCRISTOBAL4Version d
´ecembre 2008 - mises`a jour et compl´ements : http ://math.univ-toulouse.fr/biostat/ (1)Institut de Math
´ematiques de Toulouse - UMR CNRS 5219
Laboratoire de Statistique et Probabilit
´es
Universit
´e de Toulouse
(2)Laboratoire de Pharmacologie-T oxicologie
- (3)Station d"am
´elioration g´en´etique des animaux
(4)Laboratoire de g
´en´etique cellulaire
Institut National de la Recherche Agronomique
2Table des mati
`eresAvant-propos
9Motivations
9Objectif
91 Introduction
111 Objectifs
112 Contenu
123 Application aux donn
´ees d"expression. . . . . . . . . . . . . . . . . . . . . . . 133.1 Jeux de donn
´ees. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133.2 Sp
´ecificit´es. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143.3 Choix m
´ethodologiques initiaux. . . . . . . . . . . . . . . . . . . . . . 142 Description statistique
´el´ementaire17
1 Introduction
172 Decription d"une variable
172.1 Cas quantitatif
172.2 Cas qualitatif
193 Liaison entre variables
203.1 Deux variables quantitatives
203.2 Une variable quantitative et une qualitative
223.3 Deux variables qualitatives
234 Vers le cas multidimensionnel
254.1 Matrices des covariances et des corr
´elations. . . . . . . . . . . . . . . . 25
4.2 Tableaux de nuages
255 Probl
`emes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256 Exemple : nutrition chez la souris
263 Analyse en Composantes Principales
291 introduction
293
4TABLE DES MATI`ERES
2 Pr ´esentation´el´ementaire de l"ACP. . . . . . . . . . . . . . . . . . . . . . . . . 302.1 Les donn
´ees. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.2 R ´esultats pr´eliminaires. . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.3 R ´esultats g´en´eraux. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.4 R ´esultats sur les variables. . . . . . . . . . . . . . . . . . . . . . . . . 32 2.5 R ´esultats sur les individus. . . . . . . . . . . . . . . . . . . . . . . . . 333 Repr
´esentation vectorielle de donn´ees quantitatives. . . . . . . . . . . . . . . . 353.1 Notations
353.2 Interpr
´etation statistique de la m´etrique des poids. . . . . . . . . . . . . 363.3 La m
´ethode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 4 Mod `ele. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364.1 Estimation
374.2 D ´efinition´equivalente. . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5 Repr
´esentations graphiques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395.1 Les individus
395.2 Les variables
415.3 Repr
´esentation simultan´ee ou "biplot". . . . . . . . . . . . . . . . . . . 426 Choix de dimension
446.1 Part d"inertie
446.2 R `egle de Kaiser. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 6.3 ´Eboulis des valeurs propres. . . . . . . . . . . . . . . . . . . . . . . . 44
6.4 Diagramme en bo
ˆıte des variables principales. . . . . . . . . . . . . . . 447 Interpr
´etation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 468 Donn
´ees d"expression. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 468.1 Exploration
´el´ementaire. . . . . . . . . . . . . . . . . . . . . . . . . . 468.2 Analyse en composantes principales
469 Exemple : nutrition chez la souris
524 Analyse Factorielle Discriminante
571 Introduction
571.1 Donn
´ees. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 571.2 Objectifs
571.3 Notations
582 D ´efinition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.1 Mod
`ele. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 582.2 Estimation
593 R ´ealisation de l"AFD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
TABLE DES MATI
`ERES53.1 Matrice
`a diagonaliser. . . . . . . . . . . . . . . . . . . . . . . . . . . 603.2 Repr
´esentation des individus. . . . . . . . . . . . . . . . . . . . . . . . 603.3 Repr
´esentation des variables. . . . . . . . . . . . . . . . . . . . . . . . 603.4 Interpr
´etations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 604 Variantes de l"AFD
614.1 Individus de m
ˆemes poids. . . . . . . . . . . . . . . . . . . . . . . . . 61 4.2 M ´etrique de Mahalanobis. . . . . . . . . . . . . . . . . . . . . . . . . 625 Exemples
625 Positionnement multidimensionnel
651 Introduction
652 Distance, similarit
´es. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 2.1 D ´efinitions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 672.2 Distances entre variables
683 Recherche d"une configuration de points
683.1 Propri
´et´es. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 693.2 Explicitation du MDS
694 Application au choix de variables
705 Donn
´ees d"expression. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 706 Exemple : nutrition chez la souris
746 Classification
771 Introduction
771.1 Les donn
´ees. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 771.2 Les objectifs
771.3 Les m
´ethodes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 772 Illustration
793 Mesures d"
´eloignement. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 823.1 Indice de ressemblance, ou similarit
´e. . . . . . . . . . . . . . . . . . . 82
3.2 Indice de dissemblance, ou dissimilarit
´e. . . . . . . . . . . . . . . . . . 82
3.3 Indice de distance
833.4 Distance
833.5 Distance euclidienne
833.6 Utilisation pratique
833.7 Bilan
844 Classification ascendante hi
´erarchique. . . . . . . . . . . . . . . . . . . . . . . 844.1 Principe
844.2 Distance, ou dissemblance, entre deux classes
846TABLE DES MATI`ERES
4.3 Algorithme
854.4 Graphes
855 Agr ´egation autour de centres mobiles. . . . . . . . . . . . . . . . . . . . . . . 85
5.1 Principes
855.2 Principale m
´ethode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 865.3 Propri
´et´es. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 865.4 Variantes
865.5 Combinaison
876 Donn
´ees d"expression. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 887 Exemple : nutrition chez la souris
917 Mod `ele lin´eaire et r´egression95
1 Introduction
952 Le mod
`ele de r´egression simple. . . . . . . . . . . . . . . . . . . . . . . . . . 952.1 Ecriture et hypoth
`eses du mod`ele. . . . . . . . . . . . . . . . . . . . . 962.2 Le mod
`ele lin´eaire gaussien. . . . . . . . . . . . . . . . . . . . . . . . 972.3 Estimation des param
`etres1et2. . . . . . . . . . . . . . . . . . . .982.4 Propri
´et´es des estimateurs. . . . . . . . . . . . . . . . . . . . . . . . . 1002.5 Estimation ponctuelle de2. . . . . . . . . . . . . . . . . . . . . . . .100
2.6 Tests d"hypoth
`ese et intervalles de confiance. . . . . . . . . . . . . . . 100 2.7 V ´erification des hypoth`eses. . . . . . . . . . . . . . . . . . . . . . . . 101 3 R ´egression lineaire multiple. . . . . . . . . . . . . . . . . . . . . . . . . . . . 1063.1 Multicolin
´earit´e. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1073.2 Crit
`eres de s´election de mod`ele. . . . . . . . . . . . . . . . . . . . . . 107 8 Mod `ele lin´eaire : analyse de variance1091 ANOVA
`a un facteur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1091.1 Un exemple
1091.2 Diverses param
´etrisations. . . . . . . . . . . . . . . . . . . . . . . . . 110 1.3 V ´erification des hypoth`eses - Diagnostics. . . . . . . . . . . . . . . . . 1111.4 Estimation des param
`etres. . . . . . . . . . . . . . . . . . . . . . . . . 1121.5 Intervalle de confiance et tests d"hypoth
`eses. . . . . . . . . . . . . . . . 1122 ANOVA
`a deux facteurs crois´es. . . . . . . . . . . . . . . . . . . . . . . . . . 1143 Analyse de covariance
1164 Tests multiples
1174.1 Rappels sur les risques de premi
`ere et seconde esp`ece. . . . . . . . . . . 1174.2 Tests multiples
1175 Mod `ele lin´eaire mixte gaussien. . . . . . . . . . . . . . . . . . . . . . . . . . . 118
TABLE DES MATI
`ERES75.1 Exemple 1
1195.2 Exemple 2
1195.3 Exemple 3
1205.4 D ´efinition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6 Exemple : nutrition chez la souris
1226.1 Analyses de variance et mod
`ele mixte. . . . . . . . . . . . . . . . . . . 1226.2 Principe des analyses de variance
1226.3 Synth
`ese des tests multiples. . . . . . . . . . . . . . . . . . . . . . . . 1236.4 Mod
`ele mixte. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126En guise de conclusion
129A Annexes
1331 Analyse canonique
1332 Mod `ele lin´eaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134