Méthodes de Calcul Statistique dans MATLAB®

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 thèmes comprennent :

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

Pré-requis

Les fondamentaux MATLAB et une bonne connaissance des statistiques.

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

Voir le détail des formations

Pré-requis

Les fondamentaux MATLAB et une bonne connaissance des statistiques.

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