Accueil > Sciences et Techniques > Probabilités et statistiques pour l'ingénieur > Formation : Statistique d'analyse de données industrielles
Formation : Statistique d'analyse de données industrielles

Ce séminaire propose une présentation des analyses statistiques les plus fréquemment utilisées dans le cadre d’études industrielles.
Pour s’entraîner pratiquement à la manipulation des outils statistiques proposés, le logiciel utilisé sera Jmp®SAS Institute – Version 6.0.

Objectifs de la formation

  1. Savoir mener une Régression Linéaire Multiple, une Analyse en Composantes Principales, une Régression PLS, une Analyse de Variance Multiple,
  2. Disposer pour chacune de ces méthodes de ses cas d’emplois, d’une démarche rigoureuse d’investigation, des clés d’interprétation et de critique de leurs résultats, d’une connaissance de leurs limites,
  3. Savoir choisir l’outil statistique adapté à sa problématique industrielle.

Pour qui ?

  1. Ingénieur
  2. Technicien de laboratoire, de fabrication ou de l’équipe Qualité. 

 

Pré-requis

Etre en mesure de comprendre les notions-clés du programme

Téléchargez la fiche complète

Le programme

Régression linéaire multiple (RLM)

  1. Structure des données et principes de base
  2. Diagnostic de la structure des données
  3. Choix du modèle
  4. Choix des coefficients à retenir et validation globale du modèle
  5. Le traitement des facteurs qualitatifs
  6. Les graphiques liés à la régression
  7. Optimisation



Analyse en composantes principales (ACP)

  1. Structure des données et principes de base
  2. Rappels sur la notion de corrélation
  3. Interprétation de la projection des variables et qualité de représentation
  4. Interprétation de la projection des individus et qualité de représentation
  5. Le traitement des variables qualitatives



Application de la régression PLS sur la base de l’exemple montrant les limites de la RLM

  1. Choix du nombre d’axes
  2. Interprétation des résultats statistiques
  3. Prise en compte de facteurs qualitatifs
  4. Validation du modèle



Analyse de variance multiple

  1. Structure des données et principes de base
  2. Diagnostic de la structure des données
  3. Choix des effets à retenir et validation globale du traitement
  4. Place de la dispersion expérimentale
  5. Les graphiques liés à l’analyse de variance



Justification de l’intérêt de la planification expérimentale


Méthode pédagogique
Rappel des bases théoriques
Apport de méthodes et d’outils opérationnels
Application à des exemples et des cas industriels concrets, proposés par les participants.


Responsable scientifique
Olivier BRACK
Khi2 Consulting
Dispositifs de formation sur-mesure
Vous avez un projet ?
Contactez-nous
Dates des sessions
19/09/2012   Pré-inscription
En pratique

Durée : 2  jours

Lieu : Paris
Tarif : 1 290 euros HT

 

Adapté à un déroulement sur mesure intra-entreprise

 
partager sur facebook
partager sur linkedin
partager sur viadeo
Trouver une formation ou un programme
Mot-clé
Période du
au
Type