IDAMS. Logiciel développé internationalement pour la gestion et l analyse de données. Manuel de référence de WinIDAMS. (version 1.

Dimension: px
Commencer à balayer dès la page:

Download "IDAMS. Logiciel développé internationalement pour la gestion et l analyse de données. Manuel de référence de WinIDAMS. (version 1."

Transcription

1 IDAMS Logiciel développé internationalement pour la gestion et l analyse de données Manuel de référence de WinIDAMS (version 1.3) avril 2008 Copyright c UNESCO

2 Publié par l UNESCO Organisation des Nations Unies pour l éducation, la science et la culture 7, Place de Fontenoy Paris 07 SP, France Titre de l ouvrage original : WinIDAMS Reference Manual (release 1.3) c UNESCO ninth edition 2008 Première publication en anglais par l UNESCO en 1988 Traduction française Nicole Visart ISBN (UNESCO - version en anglais)

3 Préface Objectifs d IDAMS L idée qui sous-tend IDAMS est de mettre gratuitement à la disposition des Etats membres de l UNESCO un logiciel suffisamment complet pour la gestion et l analyse statistique de données. Utilisé en combinaison avec CDS/ISIS (autre logiciel de l UNESCO destiné lui à la gestion de bases de données et à la recherche d informations), IDAMS constitue un outil intégré permettant de traiter de manière unifiée les données textuelles aussi bien que numériques recueillies tant à des fins scientifiques qu à des fins administratives par les universités, les institutions de recherche, les administrations nationales, etc. L objectif ultime est d aider les Etats membres à progresser dans la rationalisation du management de leurs divers secteurs d activité, un but crucial à la fois pour l établissement de plans de développement fiables et pour le suivi de leur exécution. Origine d IDAMS et aperçu historique A l origine, IDAMS provient en partie du logiciel statistique OSIRIS III.2 développé au début des années soixante-dix à l Institute for Social Research, University of Michigan, Etats-Unis. Depuis lors, IDAMS a été considérablement modifié, enrichi et continue d être mis à jour par le Secrétariat de l UNESCO avec la collaboration d experts de différents pays, notamment de spécialistes américains, anglais, belges, colombiens, français, hongrois, polonais, russes, slovaques et ukrainiens, - d où le nom «IDAMS»: «Internationally Developed Data Analysis and Management Software Package»; en français : «Logiciel développé internationalement pour la gestion et l analyse de données». Au début IDAMS tournait sur des gros ordinateurs de type IBM La première version (1.2) d IDAMS fut lancée en 1988; elle contenait déjà presque toutes les facilités destinées à la gestion de données et la plus part des programmes d analyse de données. Bien que des routines de base et certains programmes provinrent à l époque d OSIRIS III.2, ils furent par la suite modifiés de manière importante et de nouveaux programmes furent ajoutés permettant notamment d effectuer des calculs de scores fondés sur l ordre partiel d observations, des analyses factorielles, des classements d alternatives, des typologies et des classifications ascendantes. Furent également intégrées des facilités pour affecter des noms aux codes de catégories des variables ainsi que pour documenter l exécution des programmes. Un Manuel de l utilisateur, des Exemples des résultats et une Carte synoptique des commandes utilisées par les programmes accompagnaient le logiciel. La version 2.0 fut lancée en 1990; outre la fusion (1) des programmes de calcul des corrélations Pearson, (2) des programmes de classement d alternatives, elle contenait des améliorations techniques dans plusieurs programmes. La version 3.0 fut lancée en 1992; elle contenait des améliorations significatives, parmi lesquelles : harmonisation des paramètres, des mots clés et de la syntaxe des instructions de contrôle; possibilité de vérifier la syntaxe des instructions de contrôle sans passer à l exécution; possibilité d exécuter les programmes avec un nombre limité d observations; harmonisation des messages d erreurs; possibilité d agréger et de lister les variables recodées, d effectuer un recodage alphabétique et d utiliser six nouvelles fonctions arithmétiques dans Recode. Deux nouveaux programmes furent ajoutés : (1) pour la vérification de la pertinence logiques des données, (2) pour l analyse discriminante. Le Manuel de l utilisateur fut complété par une Annexe contenant les formules statistiques utilisées dans les programmes d analyses.

4 ii Note : en 1993, après la préparation de la version 3.02 pour les systèmes d exploitation OS et VM/CMS, il fut mis fin au développement d IDAMS pour gros ordinateurs. En parallèle, fut mise au point une version d IDAMS pour micro ordinateurs sous MS-DOS C est en 1988 que débuta le développement de la version d IDAMS pour micro ordinateurs. Jusqu à la version 3 il fut poursuivi en parallèle avec le développement d IDAMS pour gros ordinateurs. La première version (1.0) parut en 1989, avec les mêmes facilités et programmes que la version d IDAMS pour gros ordinateurs. La version 2.0 parut en 1990; elle était également entièrement compatible avec la version pour gros ordinateurs. L Interface utilisateur offrait en outre des facilités pour préparer le dictionnaire, saisir les données, préparer et exécuter les setups et imprimer les résultats. La version 3.0 parut en 1992 en même temps que la version pour gros ordinateurs. A ce stade l Interface utilisateur était devenu beaucoup plus convivial, offrant de nouveaux éditeurs pour la saisie du dictionnaire et des données, un accès direct à des prototypes de setups pour tous les programmes ainsi qu un module interactif pour l exploration graphique des données. Deux versions intermédiaires (3.02 et 3.04) furent mises en circulation, respectivement en 1993 et en 1994, offrant essentiellement des améliorations techniques et des mises au point dans certains programmes. La version 3.02 fut la dernière à être entièrement compatible avec la version d IDAMS pour gros ordinateurs. Micro IDAMS commença à se développer de manière indépendante en Le logiciel fut soumis à des tests complets et systématiques, en particulier en ce qui concerne le traitement des fautes commises par l utilisateur, et les erreurs connues furent corrigées dans tous les programmes. La version 4 (dernière version DOS), mise en circulation en 1996, offre un Interface utilisateur convivial amélioré, la possibilité de créer un environnement personnalisé, le Manuel de l utilisateur en ligne, un langage de contrôle simplifié, de nouvelles modalités de présentation graphique ainsi que la faculté de produire des versions en d autres langues. Elle inclut aussi deux nouveaux programmes d analyse : l un permettant de partitionner et regrouper des objets en classes, l autre de rechercher une structure éventuelle dans les données à partir de leur segmentation binaire. Le Manuel de l utilisateur restructuré qui accompagne cette version est plus concis et plus facile à consulter. Il est paru d abord en anglais. Depuis 1998, la version 4 a progressivement été développée en français, en espagnol, en arabe et en russe : première version d IDAMS pour Windows et développements ultérieurs La version 1.0 d IDAMS pour Windows 32 bits fut mise à l essai en 2000 et sa distribution débuta en Elle est équipée d un Interface utilisateur moderne avec quantité de nouveaux dispositifs qui en facilite l utilisation et de l accès en ligne au Manuel via l Aide standard de Windows. Elle contient de nouveaux outils interactifs pour la construction des tableaux multidimensionnels, l exploration graphique des données et l analyse de séries chronologiques, La version 1.1 parut en septembre 2002 contenant les améliorations suivantes : (1) externalisation des textes en vue de la production du logiciel en d autres langues que l anglais; (2) harmonisation des textes accompagnant les résultats. C était la première version pour Windows qui est apparu en anglais, français et espagnol. La version 1.2 parut en juillet 2004 en anglais, français et espagnol, avec des nouvelles fonctions dans trois programmes, dans l Interface utilisateur ainsi que dans les modules interactifs d exploration graphique des données et d analyse de séries chronologiques. Elle parut en portugais en avril La version 1.3 parut également en anglais, français, espagnol et portugais avec en autre : un nouveau programme pour l analyse de variance multivariée (MANOVA), le calcul du coefficient de variation dans quatre programmes, l amélioration du traitement des variables recodées avec décimales dans SCAT et TABLES, et une harmonisation complète de la longueur de l enregistrement de données.

5 iii Remerciements En premier lieu, ces remerciements s adressent au Prof. Frank-M. Andrews ( 1994) de l Institute for Social Research de l Université de Michigan aux Etats Unis, ainsi qu à cet Institut lequel a autorisé l UNESCO à se servir du code source d OSIRIS III.2 comme point de départ du logiciel IDAMS. Depuis lors des améliorations et des additions majeures ont été apportées. A cet égard une reconnaissance particulière s adresse aux scientifiques dont les noms suivent: Dr Jean-Paul Aimetti, Administrateur D.H.E. Conseil, Paris et Professeur au Conservatoire National des Arts et Métiers (CNAM), Paris (France); Prof. J.P. Benzécri et E.-R. Iagolnitzer, U.E.R. de mathématiques, Université de Paris V (France); Ingénieur Tibor Diamant et Dr Zoltán Vas, Université József Attila, Szeged (Hongrie); Prof. Anne-Marie Dussaix, Ecole Supérieure des Sciences Economiques et Commerciales (ESSEC), Cergy-Pontoise (France); Dr Igor S. Enyukov et Ingénieur Nicolaï Vylegjanin, StatPoint, Moscou (Fédération de Russie); Dr Péter Hunya, qui fut le Directeur du Laboratoire de Cybernétique de l Université József Attila à Szeged (Hongrie), et Responsable du Programme IDAMS à l UNESCO entre juillet 1993 et février 2001; Jean Massol, EOLE, Paris (France); Prof. Anne Morin, Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Rennes (France); Judith Rattenbury, ex-directeur, Data Processing Division, World Fertility Survey, Londres, et maintenant à la tête de SJ MUSIC, maison d édition musicale, Cambridge (Royaume-Uni); J.-M. Romeder et l Association pour le Développement et la Diffusion de l Analyse des Données (ADDAD), Paris (France); Prof. Peter J. Rousseeuw, Universitaire Instelling Antwerpen, (Belgique); Dr A.V. Skofenko, Académie de Sciences, Kiev (Ukraine); Eng. Neal Van Eck, Philadelphia College of Textiles and Science, Philadelphia (Etats Unis) ; Nicole Visart qui a lancé le Programme IDAMS et qui, outre sa contribution technique à toutes les étapes, a assuré la coordination et la direction de l ensemble du projet jusqu à son départ à la retraite en Il est impossible de faire dûment crédit ici aux très nombreuses personnes -outre celles déjà mentionnées plus haut- qui ont par leurs idées et par leurs efforts contribué au développement d IDAMS et d OSIRIS III.2 dont IDAMS dérive. IDAMS a été développé jusqu à présent principalement à l UNESCO. Ci-dessous figure la liste des principaux programmes, modules et facilités d IDAMS, avec en regard le nom de leurs auteurs et programmeurs ainsi que le nom des institutions où le travail a été effectué. Interface utilisateur et facilités de base Recodage de données Ellen Grun ISR Peter Solenberger ISR Tibor Diamant UNESCO Jean-Claude Dauphin UNESCO Interface utilisateur Jean-Claude Dauphin UNESCO Manuel de référence Pawel Hoser Polish Academy of Sciences en ligne Jean-Claude Dauphin UNESCO

6 iv Facilités de gestion de données AGGREG Tina Bixby ISR Jean-Claude Dauphin UNESCO BUILD Carl Bixby ISR Sylvia Barge ISR Tibor Diamant UNESCO CHECK Tina Bixby ISR Jean-Claude Dauphin UNESCO CONCHECK Neal Van Eck Van Eck Computing Consulting CORRECT Tibor Diamant UNESCO IMPEX Péter Hunya UNESCO LIST Marianne Stover ISR Sylvia Barge ISR Jean-Claude Dauphin UNESCO MERCHECK Karen Jensen ISR Sylvia Barge ISR Zoltán Vas JATE MERGE Tina Bixby ISR Nancy Barkman ISR Jean-Claude Dauphin UNESCO SORMER Carol Cassidy ISR Jean-Claude Dauphin UNESCO SUBSET Judy Mattson ISR Judith Rattenbury ISR Jean-Claude Dauphin UNESCO TRANS Jean-Claude Dauphin UNESCO

7 v Facilités d analyse de données CLUSFIND Leonard Kaufman Vrije Universiteit Brussel Peter J. Rousseeuw Vrije Universiteit Brussel Neal Van Eck Van Eck Computing Consulting Tibor Diamant UNESCO CONFIG Herbert Weisberg ISR DISCRAN J.-M. Romeder ADDAD and ADDAD Péter Hunya UNESCO Tibor Diamant UNESCO FACTOR J.P. Benzécri, Université de Paris V E.R. Iagolnitzer Université de Paris V Péter Hunya JATE MANOVA Charles E. Hall George Washington University Elliot M. Cramer George Washington University Neal Van Eck ISR Tibor Diamand UNESCO MCA Edwin Dean ISR John Sonquist ISR Tibor Diamant UNESCO MDSCAL Joseph Kruskal Bell Telephone Frank Carmone Bell Telephone Lutz Erbring ISR ONEWAY Spyros Magliveras ISR Tibor Diamant UNESCO PEARSON John Sonquist ISR Spyros Magliveras ISR Neal Van Eck ISR Ronald Nuttal Boston College Tibor Diamant UNESCO POSCOR Péter Hunya JATE QUANTILE Robert Messenger ISR Tibor Diamant UNESCO RANK Anne-Marie Dussaix ESSEC Albert David ESSEC Péter Hunya JATE A.V. Skofenko Ukrainian Academy of Sciences REGRESSN M.A. Efroymson ESSO Corporation Bob Hsieh ESSO Corporation Neal Van Eck ISR Peter Solenberger ISR SCAT Judith Goldberg ISR SEARCH John Sonquist ISR Elizabeth Lauch Baker ISR James N. Morgan ISR Neal Van Eck Van Eck Computing Consulting Tibor Diamant UNESCO TABLES Neal Van Eck ISR and Van Eck Computing Consulting Tibor Diamant UNESCO TYPOL Jean-Paul Aimetti CFRO Jean Massol CFRO Péter Hunya JATE Jean-Claude Dauphin UNESCO Tableaux multidimensionnels Jean-Claude Dauphin UNESCO GraphID Igor S. Enyukov StatPoint Nicolaï D. Vylegjanin StatPoint TimeSID Igor S. Enyukov StatPoint

8 vi Quant à la documentation, des remerciements s adressent à toutes les personnes qui ont apporté leur concours à son élaboration, - en particulier à : Judith Rattenbury qui a rédigé la première version originale anglaise du Manuel (1988) et en a revu les éditions suivantes jusqu en 1998; Jean-Paul Griset (UNESCO, Paris) qui a conçu avec Nicole Visart la typographie utilisée pour le Manuel jusqu en 1998; Teresa Krukowska (Groupe IDAMS, UNESCO, Paris) qui a compilé la partie consacrée aux formules statistiques, qui depuis 1999 maintient à jour la version originale anglaise, en a renouvellé la typographie en 1998, qui -depuis le début de leur parution- asssure la production électronique des version anglaises, espagnoles, françaises et portugaise, et a veillé à l harmonisation aussi complète que possible des textes en anglais, espagnol, français et portugais. Des remerciements sont également adressés aux auteurs de la documentation du logiciel OSIRIS pour ce qui suit : le Volume 1 du Manuel utilisateur d OSIRIS (mis en forme par Sylvia Barge et Gregory A.Marks) et le Volume 5 consacré aux formules statistiques (compilé par Laura Klem), Institute for Social Research, University of Michigan, Etats-Unis. Sont également remerciés ici pour leur coopération, les traducteurs de la documentation et du logiciel en espagnol, en français et en portugais : Professeur José Raimundo Carvalho, CAEN Pós-graduação em Economia, UFC, Fortaleza, Brasil, pour la traduction en portugais du Manuel et des textes faisant partie intégrante du logiciel. Professeur Bernardo Liévano, Escuela Colombiana de Ingeniería (ECI) Bogota, Colombie, pour la traduction en espagnol du Manuel et des textes faisant partie intégrante du logiciel. Professeur Anne Morin, Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Rennes, France, pour sa contribution à la traduction en français des textes faisant partie intégrante du logiciel. Nicole Visart, Grez-Doiceau, Belgique, pour la traduction du Manuel en français. Les institutions suivantes ont entrepris des traductions en arabe et en russe du logiciel et du Manuel : ALECSO - Department of Documentation and Information, Tunis, Tunisie, et Russian State Hydrometeorological University, Department of Telecommunications, St. Petersbourg, Fédération de Russie. Comment obtenir WinIDAMS et des informations complémentaires Pour plus d informations sur IDAMS en ce qui concerne son contenu, sa mise-à-jour, les services de formation et de distribution, prière de s adresser à : UNESCO Secteur de la communication et de l information Division de la société de l information CI/INF - IDAMS 1, rue Miollis PARIS CEDEX 15 France idams@unesco.org

9 Table des matières 1 Introduction L Interface utilisateur de WinIDAMS Facilités de gestion des données Facilités d analyse des données Les données dans IDAMS Les commandes d IDAMS et le fichier Setup Caractéristiques standard d IDAMS Importation et exportation des données Échange de données entre CDS/ISIS et IDAMS Structure du Manuel I Notions fondamentales 9 2 Les données dans IDAMS Le dataset IDAMS Description générale Méthode de stockage et d accès Les fichiers Données Le tableau de données Caractéristiques du fichier Données Les fichiers hiérarchiques Les variables Les codes des données manquantes Valeurs non numériques et champs en blanc dans les variables numériques - mauvaises données Les règles de la mise-en-forme des variables produites en sortie par les programmes d IDAMS Le dictionnaire IDAMS Description générale Exemple d un dictionnaire Les matrices d IDAMS La matrice carrée d IDAMS La matrice rectangulaire d IDAMS Utilisation de données provenant d autres logiciels Données brutes Matrices Le fichier Setup d IDAMS Objet et contenu Les commandes d IDAMS Spécifications des fichiers Exemples d utilisation des commandes $ et de spécification de fichiers Instructions de contrôle des programmes Description générale Règles générales de codage Les filtres Les titres

10 viii TABLE DES MATIÈRES Les paramètres Instructions de recodage Facilité Recode Règles de codage Exemple d un jeu d instructions de Recode Traitement des données manquantes Comment fonctionne Recode Opérandes de base Opérateurs de base Expressions Fonctions arithmétiques Fonctions logiques Instructions d attribution Instructions spéciales d attribution Instructions de contrôle Instructions conditionnelles Instructions d initialisation/définition Exemples d utilisation d instructions de Recode Restrictions Notes La gestion et l analyse des données La validation des données avec IDAMS Vue d ensemble Vérification si les données sont complètes Détection des valeurs non numériques et invalides Contrôles de pertinence Gestion/transformation des données Analyse des données Exemple d une petite tâche à exécuter avec IDAMS II Travailler avec WinIDAMS 63 6 Installation Equipements système nécessaires Procédure d installation Test de l installation Liste des dossiers et fichiers créés durant l installation Dossiers WinIDAMS Fichiers installés Désinstallation Les premiers pas Vue d ensemble des étapes à parcourir avec WinIDAMS Créer l environnement d une application Préparation du dictionnaire Saisie des données Préparation du setup Exécution du setup Examen des résultats et modification du setup Impression des résultats Fichiers et dossiers Les fichiers dans WinIDAMS Les dossiers dans WinIDAMS L Interface utilisateur Concept général Menus communs à toutes les fenêtres de WinIDAMS

11 TABLE DES MATIÈRES ix 9.3 Personnalisation de l environnement d une application Créer/Mettre à jour/afficher les fichiers Dictionnaire Créer/Mettre à jour/afficher des fichiers Données Importation de fichiers de données Exportation de fichiers Données IDAMS Créer/Mettre à jour/afficher les fichiers Setup L exécution des setups d IDAMS Gestion des fichiers Résultats Créer/Mettre à jour des fichiers en format texte et RTF III Facilités pour la gestion de données Agrégation de données (AGGREG) Description générale Caractéristiques standard d IDAMS Résultats Dataset en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemple Construction d un dataset IDAMS (BUILD) Description générale Caractéristiques standard d IDAMS Résultats Dataset en sortie Dictionnaire en entrée Données en entrée Structure du setup Instructions de contrôle du programme Exemples Vérification des codes (CHECK) Description générale Caractéristiques standard d IDAMS Résultats Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Vérification de cohérence logique (CONCHECK) Description générale Caractéristiques standard d IDAMS Résultats Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Vérification de la fusion des enregistrements (MERCHECK) Description générale Caractéristiques standard d IDAMS Résultats Données en sortie

12 x TABLE DES MATIÈRES 14.5 Données en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Correction de données (CORRECT) Description générale Caractéristiques standard d IDAMS Résultats Dataset en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restriction Exemple Importation/exportation de données (IMPEX) Description générale Caractéristiques standard d IDAMS Résultats Fichiers en sortie Fichiers en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Listage de datasets (LIST) Description générale Caractéristiques standard d IDAMS Résultats Dataset en entrée Structure du setup Instructions de contrôle du programme Restriction Exemples Fusion de datasets (MERGE) Description générale Caractéristiques standard d IDAMS Résultats Dataset en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Tri et fusion de fichiers (SORMER) Description générale Caractéristiques standard d IDAMS Résultats Dictionnaire en sortie Données en sortie Dictionnaire en entrée Données en entrée Structure du setup Instructions de contrôle du programme Restrictions

13 TABLE DES MATIÈRES xi 19.11Exemples Subdivision de datasets (SUBSET) Description générale Caractéristiques standard d IDAMS Résultats Dataset en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Transformation de données (TRANS) Description générale Caractéristiques standard d IDAMS Résultats Dataset en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples IV Facilités pour l analyse de données Partition et regroupement en classes (CLUSFIND) Description générale Caractéristiques standard d IDAMS Résultats Dataset en entrée Matrice en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Analyse de configuration (CONFIG) Description générale Caractéristiques standard d IDAMS Résultats Matrice de configuration en sortie Matrice des distances en sortie Matrice de configuration en entrée Structure du setup Instructions de contrôle du programme Restriction Exemples Analyse discriminante (DISCRAN) Description générale Caractéristiques standard d IDAMS Résultats Dataset en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples

14 xii TABLE DES MATIÈRES 25 Fonctions de distribution et de Lorenz (QUANTILE) Description générale Caractéristiques standard d IDAMS Résultats Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemple Analyses factorielles (FACTOR) Description générale Caractéristiques standard d IDAMS Résultats Dataset(s) en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Régression linéaire (REGRESSN) Description générale Caractéristiques standard d IDAMS Résultats Matrice de corrélation en sortie Datasets des résidus en sortie Dataset en entrée Matrice de corrélation en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Analyse multidimensionnelle des proximités (MDSCAL) Description générale Caractéristiques standard d IDAMS Résultats Matrice de configuration en sortie Matrice de données en entrée Matrice de poids en entrée Matrice de configuration en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemple Analyse de classification multiple (MCA) Description générale Caractéristiques standard d IDAMS Résultats Dataset(s) des résidus en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Analyse de la variance multivariée (MANOVA) Description générale

15 TABLE DES MATIÈRES xiii 30.2 Caractéristiques standard d IDAMS Résultats Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Analyse de variance à un facteur (ONEWAY) Description générale Caractéristiques standard d IDAMS Résultats Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Scores fondés sur l ordre partiel des observations (POSCOR) Description générale Caractéristiques standard d IDAMS Résultats Dataset en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Corrélation de Pearson (PEARSON) Description générale Caractéristiques standard d IDAMS Résultats Matrices en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Classement d alternatives (RANK) Description générale Caractéristiques standard d IDAMS Résultats Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Diagrammes de dispersion (SCAT) Description générale Caractéristiques standard d IDAMS Résultats Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemple

16 xiv TABLE DES MATIÈRES 36 Recherche de structure (SEARCH) Description générale Caractéristiques standard d IDAMS Résultats Dataset des résidus en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples Tableaux univariés et bivariés (TABLES) Description générale Caractéristiques standard d IDAMS Résultats Tableaux univariés/bivariés en sortie Matrices des statistiques bivariées en sortie Dataset en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemple Typologie et classification ascendante (TYPOL) Description générale Caractéristiques standard d IDAMS Résultats Dataset en sortie Matrice de configuration en sortie Dataset en entrée Matrice de configuration en entrée Structure du setup Instructions de contrôle du programme Restrictions Exemples V Analyse interactive de données Tableaux multidimensionnels et leur présentation graphique Aperçu général Préparation d une analyse La fenêtre des tableaux multidimensionnels Présentation graphique des tableaux univariés/bivariés Comment construire un tableau multidimensionnel Comment modifier un tableau multidimensionnel Exploration graphique des données Aperçu général Préparation d une analyse La fenêtre principale de GraphID pour l analyse d un dataset Barre de menus et barre d outils Manipulation de la matrice des diagrammes de dispersion Histogrammes et densités Ligne de régression (lignes lissées) Graphiques de boîtes à moustaches Diagramme groupé Affichage et rotation de diagrammes de dispersion en trois dimensions Fenêtre de GraphID pour l analyse d une matrice Barre de menus et barre d outils

17 TABLE DES MATIÈRES xv Manipulation de la matrice affichée dans la fenêtre Analyse de séries chronologiques Aperçu général Préparation d une analyse La fenêtre principale de TimeSID Barre de menus et barre d outils La fenêtre de séries chronologiques Transformation de séries chronologiques Analyse de séries chronologiques VI Formules statistiques et références bibliographiques Partition et regroupement en classes Statistiques univariées Mesures normalisées Matrice de dissimilarité calculée à partir d un dataset IDAMS Matrice de dissimilarité calculée à partir d une matrice de similarité Matrice de dissimilarité calculée à partir d une matrice de corrélation Partitionnement autour des médoïdes (PAM) Classification de LARges Applications (CLARA) Classification floue (FANNY) Classification hiérarchique ascendante (AGNES) Classification hiérarchique descendante (DIANA) Analyse monothétique (MONA) Références Analyse de configuration Configuration centrée Configuration normée Solution avec les axes principaux Matrice des produits scalaires Matrice des distances entre points Configuration ayant fait l objet d une rotation Configuration ayant fait l objet d une translation Rotation Varimax Configuration triée Références Analyse discriminante Statistiques univariées Discrimination linéaire entre 2 groupes Discrimination linéaire entre plus de 2 groupes Références Fonctions de distribution et de Lorenz Formules pour les points de coupure Points de coupure pour la fonction de distribution Points de coupure pour la fonction de Lorenz Courbe de Lorenz Indice de Gini Statistique D de Kolmogorov-Smirnov Note sur les poids Analyses factorielles Statistiques univariées Données en entrée Matrices de base (matrices de relations) Trace Valeurs et vecteurs propres

18 xvi TABLE DES MATIÈRES 46.6 Tableau des valeurs propres Tableau des facteurs des variables actives Tableau des facteurs des variables passives Tableau des facteurs des observations actives Tableau des facteurs des observations passives Facteurs ayant subi une rotation Références Régression linéaire Statistiques univariées Matrice des sommes totales des carrés et des produits croisés Matrice des sommes résiduelles des carrés et des produits croisés Matrice de corrélation totale Matrice de corrélation partielle Matrice inverse Statistiques générales d analyse Statistiques relatives aux prédicteurs Résidus Note sur la régression pas à pas ascendante Note sur la régression pas à pas descendante Note sur la régression avec interception de zéros Analyse multidimensionnelle des proximités Ordre des calculs Configuration initiale Centrage et normalisation de la configuration Historique du calcul Contrainte pour la configuration finale Configuration finale Configuration finale triée Résumé Notes sur les liens dans les données d entrée Note sur les poids Références Analyse de classification multiple Statistiques de la variable dépendante Statistiques des prédicteurs dans l analyse de classification multiple Statistiques récapitulatives de l analyse de classification multiple Statistiques générales des résidus Statistiques des catégories de prédicteurs dans une analyse de variance à un facteur Statistiques récapitulatives de l analyse de variance à un facteur Références Analyse de la variance multivariée Statistiques générales Calculs pour un test en analyse multivariée Analyse univariée Analyse de la covariance Analyse de variance à un facteur Statistiques pour chaque catégorie de la variable de contrôle Statistiques de l analyse de variance Scores fondés sur l ordre partiel des observations Terminologie spéciale et définitions Calcul des scores Références Corrélation de Pearson Statistiques par paires

19 TABLE DES MATIÈRES xvii 53.2 Moyennes et écarts-types non appariés Coefficients de régression pour les données brutes Matrice de corrélation Matrice des produits croisés Matrice de covariance Classement d alternatives Gestion des données d entrée Méthode de classement fondée sur la logique classique Méthodes de classement fondées sur la logique floue : la relation d entrée Méthode floue 1 : couches non dominées Méthode floue 2 : rangs Références Diagrammes de dispersion Statistiques univariées Statistiques univariées pour les paires de variables Statistiques bivariées Recherche de structure Analyse des moyennes Analyse de régression Analyse du Chi-deux Références Tableaux univariés et bivariés Statistiques univariées Statistiques bivariées Note sur les poids Typologie et classification ascendante Types de variables utilisées Profil de l observation Profil d un groupe Distances utilisées Construction de la typologie initiale Caractéristiques des distances par groupe Statistiques récapitulatives Description de la typologie résultante Récapitulation du montant de la variance expliquée par la typologie Classification hiérarchique ascendante Références Annexe : Messages d erreurs des programmes d IDAMS 441 Index 443

20

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

IBM SPSS Statistics Base 20

IBM SPSS Statistics Base 20 IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS

Plus en détail

Extraction d informations stratégiques par Analyse en Composantes Principales

Extraction d informations stratégiques par Analyse en Composantes Principales Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

IBM SPSS Regression 21

IBM SPSS Regression 21 IBM SPSS Regression 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 46. Cette version s applique à IBM SPSS Statistics

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

Plus en détail

Traitement des données avec Microsoft EXCEL 2010

Traitement des données avec Microsoft EXCEL 2010 Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation

Plus en détail

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence

Plus en détail

Localisation des fonctions

Localisation des fonctions MODALISA 7 Localisation des fonctions Vous trouverez dans ce document la position des principales fonctions ventilées selon l organisation de Modalisa en onglets. Sommaire A. Fonctions communes à tous

Plus en détail

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p. STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,

Plus en détail

La segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM

La segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM La segmentation à l aide de EG-SAS A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM Définition de la segmentation - Au lieu de considérer une population dans son ensemble,

Plus en détail

Statistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier

Statistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................

Plus en détail

Anne Tasso. Java. Le livre de. premier langage. 10 e édition. Avec 109 exercices corrigés. Groupe Eyrolles, 2000-2015, ISBN : 978-2-212-14154-2

Anne Tasso. Java. Le livre de. premier langage. 10 e édition. Avec 109 exercices corrigés. Groupe Eyrolles, 2000-2015, ISBN : 978-2-212-14154-2 Anne Tasso Java Le livre de premier langage 10 e édition Avec 109 exercices corrigés Groupe Eyrolles, 2000-2015, ISBN : 978-2-212-14154-2 Table des matières Avant-propos Organisation de l ouvrage..............................

Plus en détail

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI 1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage

Plus en détail

Séries Statistiques Simples

Séries Statistiques Simples 1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &

Plus en détail

MATHÉMATIQUES ET SCIENCES HUMAINES

MATHÉMATIQUES ET SCIENCES HUMAINES MATHÉMATIQUES ET SCIENCES HUMAINES LOUISANDRÉ VALLET TRAITENQ. Logiciel de dépouillement et de traitement d enquêtes sur microordinateur compatible Mathématiques et sciences humaines, tome 104 (1988),

Plus en détail

Introduction aux Statistiques et à l utilisation du logiciel R

Introduction aux Statistiques et à l utilisation du logiciel R Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil

Plus en détail

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,

Plus en détail

Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring

Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation entre deux variables : estimation de la corrélation linéaire CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence

Plus en détail

IBM SPSS Direct Marketing 21

IBM SPSS Direct Marketing 21 IBM SPSS Direct Marketing 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 109. Cette version s applique à IBM SPSS

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

Beyond 20/20 Browser - Français. Version 7.0, SP4

Beyond 20/20 Browser - Français. Version 7.0, SP4 Beyond 20/20 Browser - Français Version 7.0, SP4 Notice de droit d'auteur Beyond 20/20 Desktop Browser Version 7.0, SP4 Copyright 2000-2010 Beyond 20/20 Inc. Tous droits réservés. Le présent document fait

Plus en détail

Définir la gestion de projets 11. Exploiter les techniques de gestion de projets 11. Planifier un projet 12. Lister les tâches et les jalons 13

Définir la gestion de projets 11. Exploiter les techniques de gestion de projets 11. Planifier un projet 12. Lister les tâches et les jalons 13 Généralités Définir la gestion de projets 11 Exploiter les techniques de gestion de projets 11 Planifier un projet 12 Lister les tâches et les jalons 13 Réfléchir aux liaisons entre les tâches 14 Estimer

Plus en détail

Découverte du tableur CellSheet

Découverte du tableur CellSheet Découverte du tableur CellSheet l application pour TI-83 Plus et TI-84 Plus. Réalisé par Guy Juge Professeur de mathématiques et formateur IUFM de l académie de Caen Pour l équipe des formateurs T 3 Teachers

Plus en détail

INTRODUCTION AU DATA MINING

INTRODUCTION AU DATA MINING INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre

Plus en détail

SAP BusinessObjects Web Intelligence (WebI) BI 4

SAP BusinessObjects Web Intelligence (WebI) BI 4 Présentation de la Business Intelligence 1. Outils de Business Intelligence 15 2. Historique des logiciels décisionnels 16 3. La suite de logiciels SAP BusinessObjects Business Intelligence Platform 18

Plus en détail

B-web V4 MANUEL D UTILISATION. Espace de travail. Clear2Pay Belgium SA B-web V4 Manuel d Utilisation: Espace de travail

B-web V4 MANUEL D UTILISATION. Espace de travail. Clear2Pay Belgium SA B-web V4 Manuel d Utilisation: Espace de travail B-web V4 MANUEL D UTILISATION Espace de travail Document: BWeb V4 Workspace v1.0 - VF.doc Version: 1.0 Date de révision: 08/11/2007 Clear2Pay Belgium SA Avenue Eugène Plasky, 157 B 1030 Brussels Belgium

Plus en détail

MAÎTRISE DE L ENVIRONNEMENT WINDOWS VISTA

MAÎTRISE DE L ENVIRONNEMENT WINDOWS VISTA MAÎTRISE DE L ENVIRONNEMENT WINDOWS VISTA OBJECTIFS : manipuler les fenêtres et l environnement Windows, gérer ses fichiers et dossiers, lancer les applications bureautiques présentes sur son poste. PUBLIC

Plus en détail

Chess Arbiter Pro (version Dames) Notice d utilisation

Chess Arbiter Pro (version Dames) Notice d utilisation Chess Arbiter Pro (version Dames) Notice d utilisation Notice traduite et adaptée avec le concours de la Fédération Française de Jeu de Dames (FFJD) Aug2013 version 2.0 1 Tables des matières 1. CARACTERISTIQUES

Plus en détail

Découverte du logiciel ordinateur TI-n spire / TI-n spire CAS

Découverte du logiciel ordinateur TI-n spire / TI-n spire CAS Découverte du logiciel ordinateur TI-n spire / TI-n spire CAS Mémento Ouvrir TI-Nspire CAS. Voici la barre d outils : L insertion d une page, d une activité, d une page où l application est choisie, pourra

Plus en détail

Travailler avec les télécommunications

Travailler avec les télécommunications Travailler avec les télécommunications Minimiser l attrition dans le secteur des télécommunications Table des matières : 1 Analyse de l attrition à l aide du data mining 2 Analyse de l attrition de la

Plus en détail

Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1

Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données www.delta-expert.com Mise à jour : Premiers pas avec SES-Pegase

Plus en détail

LES TYPES DE DONNÉES DU LANGAGE PASCAL

LES TYPES DE DONNÉES DU LANGAGE PASCAL LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.

Plus en détail

Évaluation des compétences. Identification du contenu des évaluations. Septembre 2014

Évaluation des compétences. Identification du contenu des évaluations. Septembre 2014 Identification du contenu des évaluations Septembre 2014 Tous droits réservés : Université de Montréal Direction des ressources humaines Table des matières Excel Base version 2010... 1 Excel intermédiaire

Plus en détail

GUIDE Excel (version débutante) Version 2013

GUIDE Excel (version débutante) Version 2013 Table des matières GUIDE Excel (version débutante) Version 2013 1. Créer un nouveau document Excel... 3 2. Modifier un document Excel... 3 3. La fenêtre Excel... 4 4. Les rubans... 4 5. Saisir du texte

Plus en détail

Introduction à la B.I. Avec SQL Server 2008

Introduction à la B.I. Avec SQL Server 2008 Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide

Plus en détail

Licence ST Université Claude Bernard Lyon I LIF1 : Algorithmique et Programmation C Bases du langage C 1 Conclusion de la dernière fois Introduction de l algorithmique générale pour permettre de traiter

Plus en détail

RACCOURCIS CLAVIERS. DEFINITION : Une «combinaison de touches» est un appui simultané sur plusieurs touches.

RACCOURCIS CLAVIERS. DEFINITION : Une «combinaison de touches» est un appui simultané sur plusieurs touches. S Vous n aimez pas la souris Les raccourcis clavier sont là pour vous faciliter la vie! INTRODUCTION : Vous avez du mal à vous habituer à la manipulation de la souris Des solutions existent : les raccourcis

Plus en détail

«Manuel Pratique» Gestion budgétaire

«Manuel Pratique» Gestion budgétaire 11/06/01 B50/v2.31/F/MP005.01 «Manuel Pratique» Gestion budgétaire Finance A l usage des utilisateurs de Sage BOB 50 Solution Sage BOB 50 2 L éditeur veille à la fiabilité des informations publiées, lesquelles

Plus en détail

Introduction à MATLAB R

Introduction à MATLAB R Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d

Plus en détail

Historique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications

Historique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications L intelligence économique outil stratégique pour l entreprise Professeur Bernard DOUSSET dousset@irit.fr http://atlas.irit.fr Institut de Recherche en Informatique de Toulouse (IRIT) Equipe Systèmes d

Plus en détail

Guide de l utilisateur. Faites connaissance avec la nouvelle plateforme interactive de

Guide de l utilisateur. Faites connaissance avec la nouvelle plateforme interactive de Guide de l utilisateur Faites connaissance avec la nouvelle plateforme interactive de Chenelière Éducation est fière de vous présenter sa nouvelle plateforme i+ Interactif. Conçue selon vos besoins, notre

Plus en détail

Table des matières A. Introduction... 4 B. Principes généraux... 5 C. Exemple de formule (à réaliser) :... 7 D. Exercice pour réaliser une facture

Table des matières A. Introduction... 4 B. Principes généraux... 5 C. Exemple de formule (à réaliser) :... 7 D. Exercice pour réaliser une facture Excel 2007 -2- Avertissement Ce document accompagne le cours qui a été conçu spécialement pour les stagiaires des cours de Denis Belot. Le cours a été réalisé en réponse aux diverses questions posées par

Plus en détail

INSERER DES OBJETS - LE RUBAN INSERTION... 3 TABLEAUX

INSERER DES OBJETS - LE RUBAN INSERTION... 3 TABLEAUX TABLE DES MATIERES Livret Utilisateur Excel 2007 Niveau 2 INSERER DES OBJETS - LE RUBAN INSERTION... 3 TABLEAUX... 4 Les tableaux croisés dynamiques... 4 Création d un tableau croisé... 5 Comparer des

Plus en détail

Introduction : présentation de la Business Intelligence

Introduction : présentation de la Business Intelligence Les exemples cités tout au long de cet ouvrage sont téléchargeables à l'adresse suivante : http://www.editions-eni.fr Saisissez la référence ENI de l'ouvrage RI3WXIBUSO dans la zone de recherche et validez.

Plus en détail

OSIRIS/ Valorisation des données PORTAIL BO MANUEL UTILISATEUR

OSIRIS/ Valorisation des données PORTAIL BO MANUEL UTILISATEUR OSIRIS/ Valorisation des données PORTAIL BO MANUEL UTILISATEUR HISTORIQUE DES VERSIONS Vers. Date Rédacteur Objet de la modification 1.00 Juillet 2007 GTBO_AGRI Création du document 1.01 Février 2009 SAMOA

Plus en détail

Python - introduction à la programmation et calcul scientifique

Python - introduction à la programmation et calcul scientifique Université de Strasbourg Environnements Informatique Python - introduction à la programmation et calcul scientifique Feuille de TP 1 Avant de commencer Le but de ce TP est de vous montrer les bases de

Plus en détail

Manuel d utilisation de la base de données nationale sur la situation de l enfance en Tunisie CHILDINFO 6.0

Manuel d utilisation de la base de données nationale sur la situation de l enfance en Tunisie CHILDINFO 6.0 2010 Manuel d utilisation de la base de données nationale sur la situation de l enfance en Tunisie CHILDINFO 6.0 Observatoire d Information, de Formation, de Documentation et d Etudes pour la Protection

Plus en détail

Module d échange de données INTERLIS v1.0 GeoConcept Manuel d'utilisation

Module d échange de données INTERLIS v1.0 GeoConcept Manuel d'utilisation Module d échange de données INTERLIS v1.0 GeoConcept Manuel d'utilisation Interlis V1.0 - GC version 5.0 Table des matières TABLE DES MATIERES...1 1. INTRODUCTION...2 1.1 OBJECTIF...2 1.2 PRINCIPE...2

Plus en détail

Europresse.com. Pour les bibliothèques publiques et de l enseignement. Votre meilleur outil de recherche en ligne. Guide version 1.

Europresse.com. Pour les bibliothèques publiques et de l enseignement. Votre meilleur outil de recherche en ligne. Guide version 1. Europresse.com Pour les bibliothèques publiques et de l enseignement Votre meilleur outil de recherche en ligne Guide version 1.5 CEDROM-SNi Comprendre la page d accueil 1. Bandeau de navigation 2. Espace

Plus en détail

1. Vocabulaire : Introduction au tableau élémentaire

1. Vocabulaire : Introduction au tableau élémentaire L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

Présentation du PL/SQL

Présentation du PL/SQL I Présentation du PL/ Copyright Oracle Corporation, 1998. All rights reserved. Objectifs du Cours A la fin de ce chapitre, vous saurez : Décrire l intéret du PL/ Décrire l utilisation du PL/ pour le développeur

Plus en détail

INITIATION AU LANGAGE C SUR PIC DE MICROSHIP

INITIATION AU LANGAGE C SUR PIC DE MICROSHIP COURS PROGRAMMATION INITIATION AU LANGAGE C SUR MICROCONTROLEUR PIC page 1 / 7 INITIATION AU LANGAGE C SUR PIC DE MICROSHIP I. Historique du langage C 1972 : naissance du C dans les laboratoires BELL par

Plus en détail

Créer le schéma relationnel d une base de données ACCESS

Créer le schéma relationnel d une base de données ACCESS Utilisation du SGBD ACCESS Polycopié réalisé par Chihab Hanachi et Jean-Marc Thévenin Créer le schéma relationnel d une base de données ACCESS GENERALITES SUR ACCESS... 1 A PROPOS DE L UTILISATION D ACCESS...

Plus en détail

Groupe Eyrolles, 2005,

Groupe Eyrolles, 2005, Groupe Eyrolles, 2005, Table des matières AVANT-PROPOS...................................................... XVIII CD-Rom Mozilla Thunderbird sur le CD-Rom offert avec cet ouvrage XIX 1. INSTALLATION ET

Plus en détail

Aide-mémoire de statistique appliquée à la biologie

Aide-mémoire de statistique appliquée à la biologie Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela

Plus en détail

Les Entrepôts de Données

Les Entrepôts de Données Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations

Plus en détail

Logiciel Libre Cours 3 Fondements: Génie Logiciel

Logiciel Libre Cours 3 Fondements: Génie Logiciel Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/

Plus en détail

Projet de Traitement du Signal Segmentation d images SAR

Projet de Traitement du Signal Segmentation d images SAR Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,

Plus en détail

FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)

FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) 87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation

Plus en détail

Résumé du Cours de Statistique Descriptive. Yves Tillé

Résumé du Cours de Statistique Descriptive. Yves Tillé Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être

Plus en détail

Installation et lancement d ETHNOS... 5. Configuration requise... 5 Installation... 5 Lancement... 6. Les modules d ETHNOS... 7

Installation et lancement d ETHNOS... 5. Configuration requise... 5 Installation... 5 Lancement... 6. Les modules d ETHNOS... 7 Memento Ethnos 6 Sommaire Installation et lancement d ETHNOS... 5 Configuration requise... 5 Installation... 5 Lancement... 6 Les modules d ETHNOS... 7 Le module PARAMETRAGE... 7 Le module SAISIE... 7

Plus en détail

Formations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS

Formations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES

Plus en détail

La Clé informatique. Formation Excel XP Aide-mémoire

La Clé informatique. Formation Excel XP Aide-mémoire La Clé informatique Formation Excel XP Aide-mémoire Septembre 2005 Table des matières Qu est-ce que le logiciel Microsoft Excel?... 3 Classeur... 4 Cellule... 5 Barre d outil dans Excel...6 Fonctions habituelles

Plus en détail

Statistique Descriptive Élémentaire

Statistique Descriptive Élémentaire Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier

Plus en détail

GUIDE D UTILISATION DU CENTRE DE DONNÉES DE L ISU

GUIDE D UTILISATION DU CENTRE DE DONNÉES DE L ISU GUIDE D UTILISATION DU CENTRE DE DONNÉES DE L ISU Table des matières Page I. DÉMARRER... 4 1. Comment accéder au Centre de données de l ISU?... 4 2. Quels sont les types de tableaux statistiques disponibles

Plus en détail

Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie

Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine

Plus en détail

Les documents primaires / Les documents secondaires

Les documents primaires / Les documents secondaires Les documents primaires / Les documents secondaires L information est la «matière première». Il existe plusieurs catégories pour décrire les canaux d information (les documents) : - Les documents primaires

Plus en détail

BASE. Vous avez alors accès à un ensemble de fonctionnalités explicitées ci-dessous :

BASE. Vous avez alors accès à un ensemble de fonctionnalités explicitées ci-dessous : BASE BioArray Software Environment (BASE) est une base de données permettant de gérer l importante quantité de données générées par des analyses de bio-puces. BASE gère les informations biologiques, les

Plus en détail

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be

Plus en détail

Your Detecting Connection. Manuel de l utilisateur. support@xchange2.net

Your Detecting Connection. Manuel de l utilisateur. support@xchange2.net Your Detecting Connection Manuel de l utilisateur support@xchange2.net 4901-0128-5 ii Table des matières Table des matières Installation... 4 Conditions d utilisation de XChange 2...4 Définir vos Préférences

Plus en détail

Lire ; Compter ; Tester... avec R

Lire ; Compter ; Tester... avec R Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................

Plus en détail

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...) Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Capacité étendue d utilisation en réseau

Capacité étendue d utilisation en réseau Fiche technique n VIBOFF_1A_f Emonitor Odyssey introduit une nouvelle conception de la maintenance conditionnelle (prédictive) en automatisant les opérations de routine afin d améliorer les vitesses de

Plus en détail

Présentation de Firefox

Présentation de Firefox Présentation de Firefox A l ouverture la fenêtre ressemble a ceci. (A noter qu ici j ai ouvert la page d accueil GOOGLE) Firefox présente toutes les fonctionnalités de base d un navigateur comme Internet

Plus en détail

Table des matières ENVIRONNEMENT

Table des matières ENVIRONNEMENT ENVIRONNEMENT Présentation de Windows 7.................13 Démarrer Windows 7......................15 Quitter.................................15 Les fenêtres..............................16 Généralités............................17

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

IN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C

IN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en

Plus en détail

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57 Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation

Plus en détail

IBM SPSS Direct Marketing

IBM SPSS Direct Marketing IBM SPSS Statistics 19 IBM SPSS Direct Marketing Comprenez vos clients et renforcez vos campagnes marketing Points clés Avec IBM SPSS Direct Marketing, vous pouvez : Comprendre vos clients de manière plus

Plus en détail

Service On Line : Gestion des Incidents

Service On Line : Gestion des Incidents Service On Line : Gestion des Incidents Guide de l utilisateur VCSTIMELESS Support Client Octobre 07 Préface Le document SoL Guide de l utilisateur explique comment utiliser l application SoL implémentée

Plus en détail

http://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines

http://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines Principales fonctionnalités de l outil Le coeur du service suivre les variations de position d un mot-clé associé à une URL sur un moteur de recherche (Google - Bing - Yahoo) dans une locale (association

Plus en détail

Une ergonomie intuitive

Une ergonomie intuitive Une ergonomie intuitive Les solutions de la ligne PME offrent une interface de travail proche des usages quotidiens en informatique. Leur ergonomie intuitive facilite la prise en main du logiciel. Une

Plus en détail

Classe de première L

Classe de première L Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous

Plus en détail

Calculer avec Sage. Revision : 417 du 1 er juillet 2010

Calculer avec Sage. Revision : 417 du 1 er juillet 2010 Calculer avec Sage Alexandre Casamayou Guillaume Connan Thierry Dumont Laurent Fousse François Maltey Matthias Meulien Marc Mezzarobba Clément Pernet Nicolas Thiéry Paul Zimmermann Revision : 417 du 1

Plus en détail

CAPTURE DES PROFESSIONNELS

CAPTURE DES PROFESSIONNELS CAPTURE DES PROFESSIONNELS 2 Téléchargement 3 Installation 8 Prise en main rapide 10 Lancement Recherche 14 Gestion des fichiers 23 Compare et Sépare 24 Fichiers annexes 2/ Le menu Utilitaires 32 Internet

Plus en détail

Statistiques Descriptives à une dimension

Statistiques Descriptives à une dimension I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des

Plus en détail

Utilisation de Solid Edge Embedded Client

Utilisation de Solid Edge Embedded Client Utilisation de Solid Edge Embedded Client Numéro de publication spse01424 103 Avertissement sur les droits de propriété et les droits réservés Ce logiciel et la documentation afférente sont la propriété

Plus en détail

Si vous décidez d utiliser un autre chemin, c est ce nouveau chemin qu il faudra prendre en compte pour la sauvegarde. Cf. : Chapitre 9 Sauvegarde

Si vous décidez d utiliser un autre chemin, c est ce nouveau chemin qu il faudra prendre en compte pour la sauvegarde. Cf. : Chapitre 9 Sauvegarde Sommaire Installation du logiciel...2 Enregistrement du logiciel...2 Présentation du logiciel...3 Initialisation du logiciel... 1. Initialisation des constantes...4 2. Initialisation des codes grades...5

Plus en détail

Leçon N 4 : Statistiques à deux variables

Leçon N 4 : Statistiques à deux variables Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d

Plus en détail

SINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases

SINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout

Plus en détail