Analyse de Données

Analyse de données
1. Révision
1. Définition de données
Données : ensemble des caractéristiques-propriétés (propres à l’objet) (en statistiques caractères)
d’un objet quelconque – entreprise : nom social/forme juridique/taille …
Données ne sont pas traitées, sous forme brute, contrairement à l’information + accessibles à tout le
monde
Information pour l’informaticien / données pour statisticiens
Base de données : ensemble des tables
2. Typologie
i.e. catégorisation
Classification : on classe les objets selon les caractéristiques
Unité d’étude : objet/individu
Critères :
- Nature : Possibilité de quantifier la propriété ou non (ex : sexe non quantifiable, ou niveau
d’études), mais pour les deux on peut quantifier la fréquence ou l’effectif, pas la modalité →
données quantitatives ou qualitatives : critère nature
- Production : Utiliser des données existantes ou générer ses propres données :

respectivement données secondaires (préexistantes de seconde main, faite par tiers) ou
primaires (produites par le statisticien)
- Architecture : comment la donnée est organisée → donnée structurée, i.e. peut être
représentée sous forme de tableau (ex : tableau statisticien, table informaticien, tableur
outil) (colonne, ligne, cellule) / ou non structurée, i.e. textes
Etudiant sexe age
E1 C11 C12
E2 C21 C22
S.Q.L = ex: select from table étudiant where sexe=M and taille= 1.60
Les données structurées sont facilement manipulables avec SQL
Les données non structurées utilisent le langage No SQL pour les Big Data (texte, vidéo,
image, icones comme j’aime)
Logiciels utilisés
En Vivo
Mongo DB : Vectorisation de caractères on donne à chaque lettre un index (coder chaque
lettre par un chiffre)
NLTK : comme python (ex : pour analyse des commentaires sur YouTube)
Analyse lexicale (trouver un mot comme unité), suivie par analyse sémantique (le sens),
analyse thématique, analyse des sentiments
Kits d’entretien
- Données varient selon le temps pour un individu (série temporelle ou chronologique pour
chiffre d’affaire d’une entreprise en 5 ans), selon les individus, ou selon l’échantillon :
variables sont des données qui varient selon ces 3 critères → on parle dès à présent de
variables
Si l’on fait varier à la fois l’échantillon et le temps : les données de panel / si l’on garde le
même échantillon c’est le cohrt
Les valeurs possibles que peut prendre une variable qualitative : modalités / les valeurs
quantitatives sont appelées valeurs
- Nombre d’individu qui présentent une modalité ou une valeur : effectif n → premier niveau
de traitement des données
- Fréquence : nombre d’étudiants n l’échantillon ou sondage (ni÷n) / sur la population N
recensement (ni÷N)
3. Définition d’analyses
Analyser : décomposer un tout (ensemble) en éléments + chercher les causes + traitements manuelle
ou automatique (rechercher les données, puis les collecter automatique ou manuelle, puis
représentation tabulaire/visuelle sous forme de graphiques, schémas, et icônes/synthétique sous
forme d’indicateurs, et interprétation : reporting)
Types d’indicateurs de tendance centrale, dispersion, et concentration
Synthétique ex : Note moyenne = (∑ci * ni) ÷ n = (16,5*2 + 17,5*3) ÷ 5

note ni
15-17 →16,5 2
17-18 →17,5 3
Power BI : permet de faire graphiques et indicateurs
La discipline qui regroupe tout ça : Data Science → mathématiques appliquées (optimisation …) /
analyse de données / informatique (utilisation – développement : développer des applications,
développement Web – recherche opérationnel, en fonction du critère d’optimalité)
Matrice M n,p : n lignes et p colonnes

Statistiques inférentielles : avec échantillon
Echantillon doit respecter représentativité de la population : échantillonnage, est-ce que les

proportions des variables/modalités sont les mêmes que dans la population
Site Anaconda
On note les varaibles en statistiques en maj : X / écriture indicielle X1

Pi : probabilité / fi : fréquence ni÷N / pi : pourcentage (ni÷N) *100
N
∑ → pour généralisation
i=1, p= (pas)
Si X varie selon l’individu alors on note Xi, et i prend ses valeurs de 1 à n, où n est la taille de
l’échantillon
Xi : N→R
i→Xi
(les nbres irrationnelles n’ont pas de lim dans la virgule)
Si X varie selon le temps alors on note Xt, où t représente le temps
Opérateur de somme : ∑, toujours appliqué à X / vi : valeur initale ; vf : valeur finale ; pi : pas
d’incrémentation
Vf
∑ Xi
I=Vi, pi
Utilisation de l’opérateur de somme : X barre : la moyenne arithmétique = (∑Xi * i) ÷ n
Propriétés d●e ∑:
① : ∑ Xi = X1+X2+ …. +Xn
②: ∑ a*Xi = a * ∑Xi
③: ∑a = n*a
④: ∑(a*Xi + b) = a∑Xi +bn
⑤: ∑(Xi+Yi) = ∑ Xi + ∑Yi
⑥: ∑ ∑X i j: bi-indexation
J i
Note X / niveau Y1 : primaire Y2 : secondaire Y3 : sup

d’étude Y
X1 : 13 2 : n11 3 : n12 4 : n13 N1●
X2 : 14 1 : n21 2 : n22 1 : n23 N2●
X3 : 17 3 : n31 1 : n32 2 : n33 N●3
n●1 = n●2 n●3 n●●
n11+n21+n31
On met ● pour noter l’invariabilité de i ou de j
Différents opérateurs : /X/ : valeur absolue = max {-X, X} + f(X) + dX (différentielle) + f(X)*dX (dx = X2
– X1) donc = longueur*largeur = aire + intégrale + lim
Codification : transformation des variables

On peut transformer variable quantitatif en variable qualitatif (ex : 0-14 ans = enfant)
Coefficient de corrélation r : covariance sur variance
RR et Or basé sur le test de Khi-deux : dépendance entre la nature qualitatif d’une variable et ….
ACP : Analyse en Composante Principale (utiliser matrices)
AFCM : analyse factorielle des composantes multiples
Cluster : apprentissage non supervisé ≠ classification : apprentissage supervisé
Il faut connaitre la nature, le nombre des variables, pour ensuite choisir la méthode adéquate
Peut-être on va étudier chatbot si temps restant : agent de service conversationnel

Analyse univariée : quantitatif ou qualitatif
Analyse univariée quantitative (1 variable) :

1. Analyse graphique
 Continue : histogramme
 Discrète : diagramme en béton
Comment lire une représentation graphique : commencer par axe des abscisses Xi,
puis lire axe des ordonnées où on trouve le mode : ni (effectif), ou fi fréquence, ou pi
pourcentage
2. Les indicateurs :
 De tendance centrale
- Mode : la valeur la plus fréquente
- Médiane : valeur de la variable qui divise la population ou l’échantillon en deux parties
égales ; i.e. 50%>me et 50%<me
Tri de la série :
Pour n est impair
X = 3, 11, 13, 15, 17
K= n-1 ÷ 2 = 5-1 ÷ 2 = 2
La médiane correspond à la position k+1, c’est donc la position 3 et le nombre 13
Pour n est pair
La médiane se trouve entre la position k et la postion k+1
X= 11, 13, 15, 3
Médiane = (11, 13) = (ei-1 + ei) ÷ 2 = 11+13 ÷ 2 = 12
- Moyenne
 De dispersion
 De concentration
Moyenne mobile : tendance : on calcule la moyenne entre chaque pic de hausse et de baisse sur un
graphique pour créer une droite (la tendance)
Formule générale de la moyenne :
Photo
Les valeurs possibles de m vont donner les types de moyenne :

- Moyenne arithmétique pour m=1 : X1 barre = 1/n * ∑ Xi
- Moyenne quadratique pour m=2
Photo
- Moyenne géométrique m=0
Photo
- Moyenne harmonique m= -1

Analyse de Données

Transféré par

Droits d'auteur :

Formats disponibles

Analyse de Données

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Analyse de Données

Transféré par

Droits d'auteur :

Formats disponibles

Analyse de données

- Production : Utiliser des données existantes ou générer ses propres données :

Types d’indicateurs de tendance centrale, dispersion, et concentration

Synthétique ex : Note moyenne = (∑ci * ni) ÷ n = (16,52 + 17,53) ÷ 5

Power BI : permet de faire graphiques et indicateurs

Matrice M n,p : n lignes et p colonnes

Echantillon doit respecter représentativité de la population : échantillonnage, est-ce que les

On note les varaibles en statistiques en maj : X / écriture indicielle X1

Utilisation de l’opérateur de somme : X barre : la moyenne arithmétique = (∑Xi * i) ÷ n

Note X / niveau Y1 : primaire Y2 : secondaire Y3 : sup

On met ● pour noter l’invariabilité de i ou de j

Codification : transformation des variables

Peut-être on va étudier chatbot si temps restant : agent de service conversationnel

Analyse univariée quantitative (1 variable) :

Les valeurs possibles de m vont donner les types de moyenne :

Vous aimerez peut-être aussi