Aller au contenu principal

Analyse statistique des données manquantes

Date de mise à jour :
Identifiant Offre Info : 15_522218
Organisme responsable : Data Value (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

Objectifs

Objectifs     Apprendre à identifier les différents types de données manquantes, connaître les méthodes de traitement disponibles et mettre en œuvre des applications pratiques dans R. Compétences visées     Appréhender la problématique des données manquantes et leurs impacts sur les analyses     Distinguer les différents types de données manquantes     Savoir réaliser un état des lieux des données manquantes     Connaître les différentes stratégies de traitement des données manquantes  …

Objectifs


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



Compétences visées

       
  • Appréhender la problématique des données manquantes et leurs impacts sur les analyses

    •    
  • Distinguer les différents types de données manquantes

    •    
  • Savoir réaliser un état des lieux des données manquantes

    •    
  • Connaître les différentes stratégies de traitement des données manquantes

    •    
  • Examiner différentes méthodes : exclusion, imputation simple ou multiple

Programme de la formation

Programme 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 et lister les individus ou variables avec données manquantes     Patterns de données manquantes Panorama des stratégies de traitement     Exclusion     Imputation simple : moyenne,…

Programme

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 et lister les individus ou variables avec données manquantes

    •    
  • Patterns de données manquantes



Panorama des stratégies de traitement

       
  • Exclusion

    •    
  • Imputation simple : moyenne, modèle, k plus proches voisins

    •    
  • Imputation multiple



Bilan

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Durée

En centre

7 h

Financement

Conventionnement
Oui
Financeur
  • Autre

    Programme : Autre financement (AIF, entreprise , individuel…)

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

Conditions d'accès

Publics visés

  • Demandeur d'emploi
  • Public en emploi
  • Salarié dans le cadre du CIF
  • Salarié dans le cadre du DIF
  • Salarié dans le cadre du plan de formation
  • Salarié en contrat aidé
  • Salarié en période de professionnalisation
  • Salarié en reconversion
  • 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 à distance

Adresse

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 permanentes