• Unidimensional descriptive statistics
• Bidimensional descriptive statistics
• Principal component analysis
• Clustering: principle, hierarchical clustering, Kmean and DBSCAN
• Introduction to programming in R and Rmarkdown
Data analysis
Description
Objectifs
At the end of this module, the student will have understood and be able to explain (main concepts): • the main definitions for the unidimensional and bi-dimensional descriptive statistics The student will be able to: • develop a descriptive statistical analysis with the R software
• the main concepts and the interpretation of graphical results of the principal component analysis
• the main concepts of clustering (hierarchical clustering, kmeans method and DBSCAN) and the interpretation of graphical results
• manipulate the concepts of the principal component analysis, know the main properties and comment the graphical results
Pré-requis
Probability and Statistic course (L2/2MIC)
Évaluation
L’évaluation des acquis d’apprentissage est réalisée en continu tout le long du semestre. En fonction des enseignements, elle peut prendre différentes formes : examen écrit, oral, compte-rendu, rapport écrit, évaluation par les pairs…
En bref
Crédits ECTS :
Nombre d’heures :
EN 1 Clic
Annuaire
ENT
Rejoindre
les équipes
Marchés publics
INSA Toulouse
135 avenue de Rangueil
31077 Toulouse cedex 4
Tél : 05 61 55 95 13
Fax : 05 61 55 95 00
Dans un souci d'alléger le texte et sans aucune discrimination de genre, l'emploi du genre masculin est utilisé à titre épicène.