Analyse factorielle multiple avec R
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format PDF est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
- Nombre de pages254
- FormatPDF
- ISBN978-2-7598-1085-7
- EAN9782759810857
- Date de parution01/09/2013
- Protection num.Digital Watermarking
- Taille9 Mo
- Infos supplémentairespdf
- ÉditeurEDP Sciences
Résumé
L'analyse factorielle multiple (AFM ) est la méthode de référence pour analyser des tableaux de données dans lesquels un ensemble d'individus est décrit par plusieurs groupes de variables, ces dernières pouvant être quantitatives et/ou qualitatives. Ce type de tableau multiple se rencontre dans de nombreux domaines comme les enquêtes (les questionnaires comportent toujours plusieurs thèmes : des opinions, des comportements, etc.) ou les sciences expérimentales (dans l'industrie agro-alimentaire, par exemple, on caractérise les produits à la fois par des données physico-chimiques et des données issues de dégustations).
Ce livre est destiné aux utilisateurs confrontés à des tableaux multiples.
Une large place est accordée aux applications et à la mise en oeuvre via R. L'objectif est de rendre l'utilisateur autonome dans l'application de l'AFM sur ses données. Dans cet esprit, ce livre : - introduit une à une les principales caractéristiques de la méthode intuitivement à partir d'exemples ; - donne les éléments théoriques nécessaires pour une compréhension en profondeur avec un recours au raisonnement géométrique systématique ; - illustre les résultats à partir des exemples introductifs ; - détaille la marche à suivre pour appliquer l'AFM avec le package FactoMineR ou via des codes R.
Ces codes sont disponibles sur le site du LMA 2 (Agrocampus). Cet exposé est complété par une présentation des méthodes classiques, ACP et ACM , elle aussi fondée sur des exemples. L'ensemble constitue l'état de l'art aujourd'hui en analyse factorielle. Jérôme Pagès est professeur de statistique à Agrocampus (Rennes) où il dirige le laboratoire de mathématiques appliquées (LMA2).
Une large place est accordée aux applications et à la mise en oeuvre via R. L'objectif est de rendre l'utilisateur autonome dans l'application de l'AFM sur ses données. Dans cet esprit, ce livre : - introduit une à une les principales caractéristiques de la méthode intuitivement à partir d'exemples ; - donne les éléments théoriques nécessaires pour une compréhension en profondeur avec un recours au raisonnement géométrique systématique ; - illustre les résultats à partir des exemples introductifs ; - détaille la marche à suivre pour appliquer l'AFM avec le package FactoMineR ou via des codes R.
Ces codes sont disponibles sur le site du LMA 2 (Agrocampus). Cet exposé est complété par une présentation des méthodes classiques, ACP et ACM , elle aussi fondée sur des exemples. L'ensemble constitue l'état de l'art aujourd'hui en analyse factorielle. Jérôme Pagès est professeur de statistique à Agrocampus (Rennes) où il dirige le laboratoire de mathématiques appliquées (LMA2).
L'analyse factorielle multiple (AFM ) est la méthode de référence pour analyser des tableaux de données dans lesquels un ensemble d'individus est décrit par plusieurs groupes de variables, ces dernières pouvant être quantitatives et/ou qualitatives. Ce type de tableau multiple se rencontre dans de nombreux domaines comme les enquêtes (les questionnaires comportent toujours plusieurs thèmes : des opinions, des comportements, etc.) ou les sciences expérimentales (dans l'industrie agro-alimentaire, par exemple, on caractérise les produits à la fois par des données physico-chimiques et des données issues de dégustations).
Ce livre est destiné aux utilisateurs confrontés à des tableaux multiples.
Une large place est accordée aux applications et à la mise en oeuvre via R. L'objectif est de rendre l'utilisateur autonome dans l'application de l'AFM sur ses données. Dans cet esprit, ce livre : - introduit une à une les principales caractéristiques de la méthode intuitivement à partir d'exemples ; - donne les éléments théoriques nécessaires pour une compréhension en profondeur avec un recours au raisonnement géométrique systématique ; - illustre les résultats à partir des exemples introductifs ; - détaille la marche à suivre pour appliquer l'AFM avec le package FactoMineR ou via des codes R.
Ces codes sont disponibles sur le site du LMA 2 (Agrocampus). Cet exposé est complété par une présentation des méthodes classiques, ACP et ACM , elle aussi fondée sur des exemples. L'ensemble constitue l'état de l'art aujourd'hui en analyse factorielle. Jérôme Pagès est professeur de statistique à Agrocampus (Rennes) où il dirige le laboratoire de mathématiques appliquées (LMA2).
Une large place est accordée aux applications et à la mise en oeuvre via R. L'objectif est de rendre l'utilisateur autonome dans l'application de l'AFM sur ses données. Dans cet esprit, ce livre : - introduit une à une les principales caractéristiques de la méthode intuitivement à partir d'exemples ; - donne les éléments théoriques nécessaires pour une compréhension en profondeur avec un recours au raisonnement géométrique systématique ; - illustre les résultats à partir des exemples introductifs ; - détaille la marche à suivre pour appliquer l'AFM avec le package FactoMineR ou via des codes R.
Ces codes sont disponibles sur le site du LMA 2 (Agrocampus). Cet exposé est complété par une présentation des méthodes classiques, ACP et ACM , elle aussi fondée sur des exemples. L'ensemble constitue l'état de l'art aujourd'hui en analyse factorielle. Jérôme Pagès est professeur de statistique à Agrocampus (Rennes) où il dirige le laboratoire de mathématiques appliquées (LMA2).






