Analyse statistique des données manquantes

Objectifs

Apprendre à identifier les différents types de données manquantes,
connaître les méthodes de traitement disponibles, mettre en œuvre des
applications pratiques dans R.

Programme de la formation

- Problématique générale

• Origine des données manquantes
• Impact sur les analyses

- Les grands types de données manquantes

• MCAR (Missing Completely At Random)
• MAR (Missing At Random)
• MNAR (Missing Not At Random)

- État des lieux des données manquantes

• Détecter, synthétiser, lister les individus ou variables avec données manquantes
• Pattern de données manquantes

- Panorama des différentes stratégies de traitement des données manquantes

- L'exclusion

- L'imputation simple

• Par la moyenne
• A l'aide d'un modèle
• Par les k plus proches voisins

- L'imputation multiple

- Bilan

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique