Analyse statistique des données manquantes

Apprendre à identifier les différents types de données manquantes, connaître les méthodes de traitement disponibles, mettre en œuvre des applications pratiques dans R.

- Problématique générale Origine des données manquantes Impact sur les analyses - Les grands types de données manquantes MCAR (Missing Completely At Random) MAR (Missing At Random) MNAR (Missing Not At Random) - État des lieux des données manquantes Détecter, synthétiser, lister les individus ou variables avec données manquantes Pattern de données manquantes - Panorama des différentes stratégies de traitement des données manquantes - L'exclusion - L'imputation simple Par la moyenne A l'aide d'un modèle Par les k plus proches voisins - L'imputation multiple - Bilan

Attestation de formation

Aucun