Retour à la liste

Probabilités, analyse des données et statistique


Auteurs : SAPORTA Gilbert

SAPORTA Gilbert

Ingénieur ECP, Docteur ès Sciences

Professeur émérite de statistique appliquée au Conservatoire National des Arts et Métiers

Domaine de recherches : analyse des données

Auteur de plus de 100 articles et  communications, G. Saporta a publié et participé à la rédaction de 15 ouvrages :
- Probabilités, analyse des données et statistiques (Ed. Technip)
- Plans d’expériences. Applications à l’entreprise (Ed. Technip)
- Méthodes bayesiennes en statistique (Ed. Technip)
- Modèles statistiques pour données qualitatives (Ed. Technip)
- Analyse statistique des données spatiales  (Ed. Technip)
- Analyse statistique des données longitudinales  (Ed. Technip)
- Approches non paramétriques en régression  (Ed. Technip)
- Modèles à variables latentes et modèles de mélange  (Ed. Technip)
- Approches statistiques du risque  (Ed. Technip)
- Méthodes robustes en statistique  (Ed. Technip)
- The Multiple Facets of Partial Least Squares Methods (Springer)
- Model Choice and Model Aggregation (Ed. Technip)
- L’analyse des données (PUF)
- Multivariate Quality Control (Physica Verlag)
- Apprentissage statistique et données massives (Ed. Technip)


Informations complémentaires :
Président d’honneur de la Société française de statistique
Vice président de l’Institut international de statistique de 2005 à 2007
Président de l’ IASC (International Association for Statistical Computing) de 2005-2007

Page personnelle: http://cedric.cnam.fr/~saporta/


Commentaire : 

3e édition révisée


ISBN : 9782710809807
broché      17 x 24 cm      656 pages
Date de publication : Juillet 2011



La démarche statistique n’est pas seulement une auxiliaire des sciences destinée à valider ou non des modèles préétablis, c’est aussi une méthodologie indispensable pour extraire des connaissances à partir de données et un élément essentiel pour la prise de décision. La très large diffusion d’outils informatiques peut donner l’illusion de la facilité à ceux qui n’en connaissent pas les limites, alors que la statistique est plus que jamais un mode de pensée fondamental pour maîtriser la complexité, l’aléatoire et les risques, en donnant la prudence scientifique nécessaire.
Ce manuel présente l’ensemble des connaissances utiles pour pouvoir pratiquer la statistique. Il est destiné à un vaste public (étudiants, chercheurs, praticiens de toutes disciplines) possédant le niveau d’algèbre et d’analyse d’un premier cycle universitaire scientifique ou économique. Cette édition est une révision complète, avec des ajouts, des éditions à succès de 1990 et de 2006. Elle comporte de nombreux développements sur des méthodes récentes. Les 21 chapitres sont structurés en cinq parties : outils probabilistes, analyse exploratoire, statistique inférentielle, modèles prédictifs et recueil de données. On y trouve l’essentiel de la théorie des probabilités, les différentes méthodes d’analyse exploratoire des données (analyses factorielles et classification), la statistique « classique » avec l’estimation et les tests mais aussi les méthodes basées sur la simulation, la régression linéaire et logistique ainsi que des techniques non linéaires, la théorie des sondages et la construction de plans d’expériences.


Table des matières :


I. Outils probabilistes. 1. Modèle probabiliste. 2. Variables aléatoires. 3. Couples de variables aléatoires, conditionnement. 4. Vecteurs aléatoires. Formes quadratiques et lois associées. II. Statistique exploratoire. 5. Description unidimensionnelle de données numériques. 6. Description bidimensionnelle et mesures de liaison entre variables. 7. L’analyse en composantes principales. 8. L’analyse canonique et la comparaison de groupes de variables. 9. L’analyse des correspondances. 10. L’analyse des correspondances multiples. 11. Méthodes de classification. III. Statistique inférentielle. 12. Distributions des caractéristiques d’un échantillon. 13. L’estimation. 14. Les tests statistiques. 15. Méthodes de Monte-Carlo et de rééchantillonnage (Jack-knife, bootstrap). IV. Modèles prédictifs. 16. La régression simple. 17. La régression multiple et le modèle linéaire général. 18. Analyse discriminante et régression logistique. 19. Méthodes algorithmiques, choix de modèles et principes d’apprentissage. V. Recueil des données. 20. Sondages. 21. Plans d’expériences. Annexes. Bibliographie. Index des noms. Index.