Aller au contenu principal

Analyse statistique des données manquantes

Date de mise à jour :
Identifiant Offre Info : 03_2100694F
Organisme responsable : Data Value (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

Objectifs

Apprendre à identifier les différents types de données manquantes, connaître les méthodes de traitement disponibles, mettre en œuvre des applications pratiques dans R. Compétences visées : - Appréhender la problématique des données manquantes en balayant les impacts sur les analyses - Distinguer les différents types de données manquantes - Savoir mener un état des lieux des données manquantes - Connaître les différentes stratégies à mettre à œuvre pour traiter le problème - Examiner…

Apprendre à identifier les différents types de données manquantes, connaître les méthodes de traitement disponibles, mettre en œuvre des applications pratiques dans R.
Compétences visées :
- Appréhender la problématique des données manquantes en balayant les impacts sur les analyses
- Distinguer les différents types de données manquantes
- Savoir mener un état des lieux des données manquantes
- Connaître les différentes stratégies à mettre à œuvre pour traiter le problème
- Examiner différentes méthodes telles l'exclusion, l'imputation simple ou multiple

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…

- 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

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Modalités pédagogiques

Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel R.

Durée

En centre

7 h

Financement

Conventionnement
Oui
Financeurs
  • Bénéficiaire de l'action

    Programme : Entreprise, Individuel (AIF, POEI, Région individuel, autofinancement)

    Publics : Toute personne confrontée à la présence de données manquantes dans ses fichiers de travail.

  • Entreprise

    Programme : Entreprise, Individuel (AIF, POEI, Région individuel, autofinancement)

    Publics : Toute personne confrontée à la présence de données manquantes dans ses fichiers de travail.

Conditions d'accès

Public visé

  • Tout public

Informations sur les publics

Toute personne confrontée à la présence de données manquantes dans ses fichiers de travail.

Niveau d'entrée

Sans niveau spécifique

Conditions spécifiques et prérequis

Aucun

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement en présentielle

Adresse

33 Rue de la République
69002 Lyon 2e

Responsable : ASI

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
41 rue de la Découverte
31676 Labège
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates fixes