Канал: François Husson

Cours de modélisation (théorie et pratique, cours complet)

Cours de modélisation (théorie et pratique, cours complet)

Modélisation théorique et pratique (cours 4/4) : exemple d'interprétation

Modélisation théorique et pratique (cours 4/4) : exemple d'interprétation

Modélisation théorique et pratique (cours 3/4) : Tests - interprétation et prédiction

Modélisation théorique et pratique (cours 3/4) : Tests - interprétation et prédiction

Modélisation théorique et pratique (cours 2/4) : construction de modèle et sélection de variables

Modélisation théorique et pratique (cours 2/4) : construction de modèle et sélection de variables

Modélisation théorique et pratique (cours 1/4) : introduction à la modélisation

Modélisation théorique et pratique (cours 1/4) : introduction à la modélisation

Régression linéaire multiple (théorie, pratique, mise en oeuvre logicielle)

Régression linéaire multiple (théorie, pratique, mise en oeuvre logicielle)

Cours d'analyse de variance (théorie - pratique - mise en oeuvre)

Cours d'analyse de variance (théorie - pratique - mise en oeuvre)

Cours sur les plans orthogonaux et plans optimaux

Cours sur les plans orthogonaux et plans optimaux

Cours plan pour surface de réponse (plan continu)

Cours plan pour surface de réponse (plan continu)

$Cours sur les plans fractionnaires$

Cours sur les plans fractionnaires

Exercice d'introduction aux plans d'expériences

Exercice d'introduction aux plans d'expériences

Clustering with R (FactoMineR & Factoshiny)

Clustering with R (FactoMineR & Factoshiny)

MFA - Multiple Factor Analyis with R (FactoMineR & Factoshiny)

MFA - Multiple Factor Analyis with R (FactoMineR & Factoshiny)

Tutorial on MCA - Multiple Correspondence Analysis - with R (Factoshiny & FactoMineR)

Tutorial on MCA - Multiple Correspondence Analysis - with R (Factoshiny & FactoMineR)

Tutorial on Correspondence Analysis with R (Factoshiny & FactoMineR)

Tutorial on Correspondence Analysis with R (Factoshiny & FactoMineR)

PCA tutorial with R (Factoshiny & FactoMineR)

PCA tutorial with R (Factoshiny & FactoMineR)

Classification sous R avec FactoMineR et Factoshiny

Classification sous R avec FactoMineR et Factoshiny

Tuto AFM sur R avec FactoMineR et Factoshiny

Tuto AFM sur R avec FactoMineR et Factoshiny

Tuto ACM sur R avec FactoMineR et Factoshiny

Tuto ACM sur R avec FactoMineR et Factoshiny

Tuto Caractériser une variable qualitative et un groupe d'individus sur R

Tuto Caractériser une variable qualitative et un groupe d'individus sur R

Tuto Factoshiny pour mettre en oeuvre l'anayse de données

Tuto Factoshiny pour mettre en oeuvre l'anayse de données

Conférence sur "Allier recherche - diffusion de sa recherche - enseignement - est-ce possible ?"

Conférence sur "Allier recherche - diffusion de sa recherche - enseignement - est-ce possible ?"

Tuto AFC sur R avec Factoshiny et FactoMineR

Tuto AFC sur R avec Factoshiny et FactoMineR

Tuto ACP sur R avec Factoshiny et FactoMineR

Tuto ACP sur R avec Factoshiny et FactoMineR

Cours d'ACP (part. 3/3-version 2019) : aides à l'interprétation, variables qualitatives, % d'inertie

Cours d'ACP (part. 3/3-version 2019) : aides à l'interprétation, variables qualitatives, % d'inertie

Cours d'ACP (partie 2/3 - version 2019) : interpréter les graphes d'ACP

Cours d'ACP (partie 2/3 - version 2019) : interpréter les graphes d'ACP

Analyse de données avec FactoMineR

Analyse de données avec FactoMineR

L'analyse textuelle, ou comment la statistique décortique des œuvres littéraires

L'analyse textuelle, ou comment la statistique décortique des œuvres littéraires

Summary on multivariate exploratory data analysis

Summary on multivariate exploratory data analysis

Multiple Factor Analysis (MFA) using FactoMineR

Multiple Factor Analysis (MFA) using FactoMineR

Multiple Factor Analysis -MFA (course 4): compare qualitative variables groups or contingency tables

Multiple Factor Analysis -MFA (course 4): compare qualitative variables groups or contingency tables

Multiple Factor Analysis - MFA - (course 3/4): Interpret results on groups of variables

Multiple Factor Analysis - MFA - (course 3/4): Interpret results on groups of variables

Multiple Factor Analysis - MFA - (course 2/4): Weighting and balancing groups influence

Multiple Factor Analysis - MFA - (course 2/4): Weighting and balancing groups influence

Multiple Factor Analysis - MFA - (course 1/4), a multi-blocks method for visualizing information

Multiple Factor Analysis - MFA - (course 1/4), a multi-blocks method for visualizing information

Analyse des correspondances sur données textuelles

Analyse des correspondances sur données textuelles

Analyse des correspondances (cours 5/5) : aides à l'interprétation

Analyse des correspondances (cours 5/5) : aides à l'interprétation

Analyse des correspondances (cours 3/5) : inertie et pourcentage d'inertie

Analyse des correspondances (cours 3/5) : inertie et pourcentage d'inertie

Analyse des correspondances (cours 2/5) : visualisation du nuage des lignes et des colonnes

Analyse des correspondances (cours 2/5) : visualisation du nuage des lignes et des colonnes

Analyse des correspondances (cours 4/5) : interpréter le graphe de représentation simultanée

Analyse des correspondances (cours 4/5) : interpréter le graphe de représentation simultanée

Analyse des correspondances (cours 1/5) : données et modèle d'indépendance

Analyse des correspondances (cours 1/5) : données et modèle d'indépendance

Clustering with FactoMineR

Clustering with FactoMineR

Factoshiny: interactive graphs in exploratory multivariate data analysis

Factoshiny: interactive graphs in exploratory multivariate data analysis

Handling missing values in PCA

Handling missing values in PCA

PCA (course 2/3): interpretation of the graph of individuals and variables

PCA (course 2/3): interpretation of the graph of individuals and variables

Multiple Correspondence Analysis with FactoMineR

Multiple Correspondence Analysis with FactoMineR

Text mining with correspondence analysis

Text mining with correspondence analysis

Handling missing values in MCA

Handling missing values in MCA

Data analysis methods summary

Data analysis methods summary

Clustering (part 3/4: the partitioning method K-means)

Clustering (part 3/4: the partitioning method K-means)

Clustering (part 4/4: characterizing clusters)

Clustering (part 4/4: characterizing clusters)

PCA (course 3/3): interpretation aids, use of categorical variables to interpret PCA results

PCA (course 3/3): interpretation aids, use of categorical variables to interpret PCA results

Clustering (part 1/4: introduction)

Clustering (part 1/4: introduction)

PCA (course 1/3): description of the method in a French way

PCA (course 1/3): description of the method in a French way

PCA with FactoMineR

PCA with FactoMineR

Clustering (part 2/4: example and how to choose the number of clusters)

Clustering (part 2/4: example and how to choose the number of clusters)

Teaser MOOC Exploratory Multivariate Data Analysis

Teaser MOOC Exploratory Multivariate Data Analysis

Multiple Correspondence Analysis (Part 4/4: Interpretation aids)

Multiple Correspondence Analysis (Part 4/4: Interpretation aids)

Multiple Correspondence Analysis (Part 3/4: Visualizing the cloud of categories)

Multiple Correspondence Analysis (Part 3/4: Visualizing the cloud of categories)

Multiple Correspondence Analysis (part 2/4: Visualizing the point cloud of individuals)

Multiple Correspondence Analysis (part 2/4: Visualizing the point cloud of individuals)

Correspondence Analysis with FactoMineR

Correspondence Analysis with FactoMineR

Mutltiple Correspondence Analysis (Part 1/4: Data - issues)

Mutltiple Correspondence Analysis (Part 1/4: Data - issues)

Correspondence Analysis (part 3/5): Inertia and percentage of inertia

Correspondence Analysis (part 3/5): Inertia and percentage of inertia

Correspondence Analysis (part 1/5): Introduction

Correspondence Analysis (part 1/5): Introduction

Correspondence Analysis (part 5/5): Interpretation aids

Correspondence Analysis (part 5/5): Interpretation aids

Correspondence Analysis (part 2/5): Visualizing the row and column clouds

Correspondence Analysis (part 2/5): Visualizing the row and column clouds

Correspondence Analysis (part 4/5): Simultaneous representation

Correspondence Analysis (part 4/5): Simultaneous representation

MOOC analyse de données multidimensionnelles (session mars 2019)

MOOC analyse de données multidimensionnelles (session mars 2019)

Cours d'Analyse Factorielle Multiple - AFM (cours complet)

Cours d'Analyse Factorielle Multiple - AFM (cours complet)

Analyse Factorielle Multiple (AFM) avec FactoMineR

Analyse Factorielle Multiple (AFM) avec FactoMineR

Analyse Factorielle Multiple - AFM - (cours 4/4) : groupe qualitatifs, groupes de fréquences

Analyse Factorielle Multiple - AFM - (cours 4/4) : groupe qualitatifs, groupes de fréquences

Analyse Factorielle Multiple - AFM - (cours 3/4) : étude des groupes de variables

Analyse Factorielle Multiple - AFM - (cours 3/4) : étude des groupes de variables

Analyse Factorielle Multiple - AFM - (cours 2/4) : pondération et équilibre des groupes

Analyse Factorielle Multiple - AFM - (cours 2/4) : pondération et équilibre des groupes

MOOC analyse de données multidimensionnelles (session mars 2016)

MOOC analyse de données multidimensionnelles (session mars 2016)

Démarche en analyse des données (nouvelle version)

Démarche en analyse des données (nouvelle version)

Analyse Factorielle Multiple - AFM - (cours 1/4) : introduction, données, problématique

Analyse Factorielle Multiple - AFM - (cours 1/4) : introduction, données, problématique

L'analyse des données par un menu déroulant : Factoshiny

L'analyse des données par un menu déroulant : Factoshiny

Gestion des données manquantes en ACP

Gestion des données manquantes en ACP

FactoMineR avec Rcmdr

FactoMineR avec Rcmdr

Analyse des correspondances multiples (cours 4/4) : aides à l'interprétation, variables suppl.

Analyse des correspondances multiples (cours 4/4) : aides à l'interprétation, variables suppl.

Analyse des correspondances multiples (cours 3/4) : représentation simultanée

Analyse des correspondances multiples (cours 3/4) : représentation simultanée

Analyse des correspondances multiples (cours 2/4) : représentation des individus

Analyse des correspondances multiples (cours 2/4) : représentation des individus

MOOC d'analyse de données (session mars 2015)

MOOC d'analyse de données (session mars 2015)

Analyse des correspondances multiples (cours 1/4) : données et problématiques

Analyse des correspondances multiples (cours 1/4) : données et problématiques

Caractérisation des classes d'individus issues d'une partition (cours 4/4)

Caractérisation des classes d'individus issues d'une partition (cours 4/4)

k-means : méthode de partitionnement (cours 3/4)

k-means : méthode de partitionnement (cours 3/4)

Classification ascendante hiérarchique (cours 2/4) : exemple de CAH et choix du nombre de classes

Classification ascendante hiérarchique (cours 2/4) : exemple de CAH et choix du nombre de classes

Classification ascendante hiérarchique (cours 1/4) : les données, la problématique

Classification ascendante hiérarchique (cours 1/4) : les données, la problématique

Cours d'ACP (partie 1/3) : données et problématique

Cours d'ACP (partie 1/3) : données et problématique

Cours d'ACP : aides à l'interprétation (partie 3/3)

Cours d'ACP : aides à l'interprétation (partie 3/3)

Cours d'ACP : représentation des individus et des variables (partie 2/3)

Cours d'ACP : représentation des individus et des variables (partie 2/3)

Cours d'analyse des correspondances : aides à l'interprétation (partie 5/5)

Cours d'analyse des correspondances : aides à l'interprétation (partie 5/5)

Ancien cours d'AFC : visualisation du nuage des lignes et des colonnes (partie 2/5)

Ancien cours d'AFC : visualisation du nuage des lignes et des colonnes (partie 2/5)

Ancien cours d'analyse des correspondances : données et modèle d'indépendance (partie 1/5)

Ancien cours d'analyse des correspondances : données et modèle d'indépendance (partie 1/5)

Ancien cours d'analyse des correspondances : la représentation simultanée (partie 4/5)

Ancien cours d'analyse des correspondances : la représentation simultanée (partie 4/5)

Ancien cours d'AFC : inertie et pourcentage d'inertie (partie 3/5)

Ancien cours d'AFC : inertie et pourcentage d'inertie (partie 3/5)

Cours d'analyse des correspondances

Cours d'analyse des correspondances

Exemple d'analyse des correspondances sur des données textuelles

Exemple d'analyse des correspondances sur des données textuelles

Cours d'ACP : théorie et pratique

Cours d'ACP : théorie et pratique

Cours de classification : théorie et pratique

Cours de classification : théorie et pratique

L'Analyse des Correspondances Multiples en 6 minutes

L'Analyse des Correspondances Multiples en 6 minutes

L'AFC en 6 minutes

L'AFC en 6 minutes

Profil idéal et segmentation de population

Profil idéal et segmentation de population

Description de produits par catégorisation

Description de produits par catégorisation

Cours de classification (ancienne version)

Cours de classification (ancienne version)

MOOC de sensométrie

MOOC de sensométrie

PCA: theory and practice

PCA: theory and practice

Cours d'ACP : théorie et pratique (ancienne version)

Cours d'ACP : théorie et pratique (ancienne version)

Courte introduction à la sensométrie

Courte introduction à la sensométrie

Construire un plan de Williams ou un plan optimal avec SensoMineR

Construire un plan de Williams ou un plan optimal avec SensoMineR

$Cours sur les plans d'expériences : les plans fractionnaires$

Cours sur les plans d'expériences : les plans fractionnaires

Gestion des données manquantes en analyse des données (méthodologie)

Gestion des données manquantes en analyse des données (méthodologie)

Nouveautés de FactoMineR (exposé des rencontres R, Lyon, juin 2013)

Nouveautés de FactoMineR (exposé des rencontres R, Lyon, juin 2013)

Factorial Analysis on Mixed Data

Factorial Analysis on Mixed Data

Tools to interpret the results obtained by principal component methods (PCA, MCA, MFA)

Tools to interpret the results obtained by principal component methods (PCA, MCA, MFA)

Multiple correspondence analysis on an incomplete dataset

Multiple correspondence analysis on an incomplete dataset

Correspondence analysis with FactoMineR

Correspondence analysis with FactoMineR

Analyse des correspondances multiples (ACM) et données manquantes

Analyse des correspondances multiples (ACM) et données manquantes

Comparaison de tableaux de contingences avec FactoMineR

Comparaison de tableaux de contingences avec FactoMineR

Analyse factorielle de données mixtes avec FactoMineR

Analyse factorielle de données mixtes avec FactoMineR

Methodology in multivariate exploratory data analysis

Methodology in multivariate exploratory data analysis

Démarche en analyse des données (ancienne version)

Démarche en analyse des données (ancienne version)

Description des dimensions d'une analyse factorielle (ACP, AFC, ACM, AFM, etc.)

Description des dimensions d'une analyse factorielle (ACP, AFC, ACM, AFM, etc.)

Caractérisation d'une variable qualitative et de ses modalités

Caractérisation d'une variable qualitative et de ses modalités

Handling missing values in PCA

Handling missing values in PCA

Multiple Correspondence Analysis with FactoMineR

Multiple Correspondence Analysis with FactoMineR

Analyse des correspondances multiples (ACM ou AFCM) FactoMineR

Analyse des correspondances multiples (ACM ou AFCM) FactoMineR

Clustering with FactoMineR

Clustering with FactoMineR

Classification avec FactoMineR

Classification avec FactoMineR

L'analyse de variance sous R

L'analyse de variance sous R

Construire des graphes avec R et Rcmdr

Construire des graphes avec R et Rcmdr

Obtenir les statistiques descriptives d'un tableau de données avec Rcmdr

Obtenir les statistiques descriptives d'un tableau de données avec Rcmdr

Importer des données sous R avec Rcmdr

Importer des données sous R avec Rcmdr

ACP avec le menu déroulant de FactoMineR

ACP avec le menu déroulant de FactoMineR

Zone de confiance et imputation multiple en ACP avec données manquantes

Zone de confiance et imputation multiple en ACP avec données manquantes

Données manquantes en ACP avec missMDA et FactoMineR

Données manquantes en ACP avec missMDA et FactoMineR

Régression linéaire simple avec R

Régression linéaire simple avec R

Installer un package sous R : exemple avec le package Rcmdr

Installer un package sous R : exemple avec le package Rcmdr

Construire un test de comparaison de moyennes sous R

Construire un test de comparaison de moyennes sous R

Calcul de quantile, de probabilité critique et graphe d'une loi Normale ou de Student

Calcul de quantile, de probabilité critique et graphe d'une loi Normale ou de Student

Multiple Factor Analysis (MFA) with R using FactoMineR

Multiple Factor Analysis (MFA) with R using FactoMineR

Principal component analysis (PCA) with R

Principal component analysis (PCA) with R

AFM avec FactoMineR (ancienne version)

AFM avec FactoMineR (ancienne version)

ACP sur R avec FactoMineR

ACP sur R avec FactoMineR

Analyse des correspondances avec FactoMineR

Analyse des correspondances avec FactoMineR

Evaluation de la performance d'un jury sous SensoMineR

Evaluation de la performance d'un jury sous SensoMineR

Installation de R et de SensoMineR

Installation de R et de SensoMineR

Importation des données chocolat du module sensométrie

Importation des données chocolat du module sensométrie

Faire une cartographie des préférences avec SensoMineR

Faire une cartographie des préférences avec SensoMineR

Analyser des données de catégorisation par SensoMineR

Analyser des données de catégorisation par SensoMineR

Caractérisation de produits avec SensoMineR

Caractérisation de produits avec SensoMineR

Cartographie des préférences

Cartographie des préférences

Evaluation de la performance d'un jury sensoriel

Evaluation de la performance d'un jury sensoriel

Construction d'un espace produit

Construction d'un espace produit

Séq 3 - Caractérisation de produits en sensométrie

Séq 3 - Caractérisation de produits en sensométrie

Séq 2 - Modèles d'analyse de variance en sensométrie

Séq 2 - Modèles d'analyse de variance en sensométrie

Séq 1 - Présentation du jeu de données et première description

Séq 1 - Présentation du jeu de données et première description

Introduction au plan d'expériences en analyse sensorielle

Introduction au plan d'expériences en analyse sensorielle