Statistical Models for Social Sciences

Beaucoup de personnes pensent que les métiers de la data se ressemblent. 👉 En réalité, chaque rôle repose sur une logique et des compétences différentes. Voici une distinction simple et claire 👇 ➤ 𝒟𝒶𝓉𝒶 𝒜𝓃𝒶𝓁𝓎𝓈𝓉 Tu analyses ce qui s’est déjà produit . Tu transformes des données brutes en rapports clairs pour aider à la prise de décision. Compétences clés : SQL, visualisation, reporting, statistiques de base. ➤ 𝒟𝒶𝓉𝒶 𝒮𝒸𝒾𝑒𝓃𝓉𝒾𝓈𝓉 Tu t’intéresses à ce qui va se produire . Tu construis des modèles, détectes des tendances et utilises les mathématiques et la programmation pour anticiper l’avenir . Compétences clés : machine learning, statistiques avancées, deep learning. ➤ 𝒜𝓃𝒶𝓁𝓎𝓈𝓉𝑒 𝑀𝑒 ́ 𝓉𝒾𝑒𝓇 (Business Analyst) Tu fais le lien entre les besoins métiers et la donnée . Tu traduis les problèmes business en solutions opérationnelles . Compétences clés : communication, gestion des parties prenantes, modélisation...

Lorsque vous travaillez avec des 𝓭𝓸𝓷𝓷 é 𝓮𝓼 𝓬𝓪𝓽 é 𝓰𝓸𝓻𝓲𝓮𝓵𝓵𝓮𝓼 , l’ 𝓐𝓷𝓪𝓵𝔂𝓼𝓮 𝓮𝓷 𝓒𝓸𝓶𝓹𝓸𝓼𝓪𝓷𝓽𝓮𝓼 𝓟𝓻𝓲𝓷𝓬𝓲𝓹𝓪𝓵𝓮𝓼 ( 𝓐𝓒𝓟 ) n’est pas toujours adaptée, car elle repose sur des variables 𝓷𝓾𝓶 é 𝓻𝓲𝓺𝓾𝓮𝓼 . Voici des 𝓪𝓵𝓽𝓮𝓻𝓷𝓪𝓽𝓲𝓿𝓮𝓼 𝓹𝓵𝓾𝓼 𝓪𝓭𝓪𝓹𝓽 é 𝓮𝓼 à considérer : ✔️ 𝓐𝓷𝓪𝓵𝔂𝓼𝓮 𝓭𝓮𝓼 𝓒𝓸𝓻𝓻𝓮𝓼𝓹𝓸𝓷𝓭𝓪𝓷𝓬𝓮𝓼 𝓜𝓾𝓵𝓽𝓲𝓹𝓵𝓮𝓼 ( 𝓐𝓒𝓜 ) Extension de l’analyse des correspondances à 𝓹𝓵𝓾𝓼𝓲𝓮𝓾𝓻𝓼 𝓿𝓪𝓻𝓲𝓪𝓫𝓵𝓮𝓼 𝓬𝓪𝓽 é 𝓰𝓸𝓻𝓲𝓮𝓵𝓵𝓮𝓼 , elle permet d’identifier les 𝓻𝓮𝓵𝓪𝓽𝓲𝓸𝓷𝓼 et structures sous-jacentes. ✔️ 𝓐𝓷𝓪𝓵𝔂𝓼𝓮 𝓕𝓪𝓬𝓽𝓸𝓻𝓲𝓮𝓵𝓵𝓮 𝓭𝓮 𝓓𝓸𝓷𝓷 é 𝓮𝓼 𝓜𝓲𝔁𝓽𝓮𝓼 ( 𝓕𝓐𝓓𝓜 ) Méthode idéale pour les 𝓳𝓮𝓾𝔁 𝓭𝓮 𝓭𝓸𝓷𝓷 é 𝓮𝓼 𝓶𝓲𝔁𝓽𝓮𝓼 (catégorielles et numériques), permettant une 𝓻 é 𝓭𝓾𝓬𝓽𝓲𝓸𝓷 𝓭𝓮 𝓭𝓲𝓶𝓮𝓷𝓼𝓲𝓸𝓷 cohérente. ✔️ 𝓽 - 𝓢𝓝𝓔 𝓹𝓸𝓾𝓻 𝓭𝓸𝓷𝓷 é 𝓮𝓼 𝓬𝓪𝓽 é 𝓰𝓸𝓻𝓲𝓮𝓵𝓵𝓮𝓼 Technique non li...

🔹 𝓛𝓮 𝓴 -Nearest Neighbors ( 𝓴 NN) est un algorithme non paramétrique et basé sur les instances , utilisé aussi bien en classification qu’en régression . 👉 En classification , pour prédire la classe d’une nouvelle observation, le kNN identifie les 𝓴 observations les plus proches dans l’espace des variables et attribue la classe majoritaire parmi ces voisins. 👉 En régression , il calcule la moyenne (ou moyenne pondérée) des valeurs cibles des voisins. ✅ 𝓐𝓾𝓬𝓾𝓷 𝓪𝓹𝓹𝓻𝓮𝓷𝓽𝓲𝓼𝓼𝓪𝓰𝓮 𝓬𝓸𝓶𝓹𝓵𝓮𝔁𝓮 : le modèle ne “s’entraîne” pas, il compare directement les nouvelles données aux observations existantes. 🔍 𝓕𝓸𝓷𝓬𝓽𝓲𝓸𝓷𝓷𝓮𝓶𝓮𝓷𝓽 𝓭𝓾 𝓴 NN (classification) 1 ️ ⃣ Choisir 𝓴 (nombre de voisins) et une mesure de distance (souvent euclidienne) 2 ️ ⃣ Pour une observation à prédire : ·          calculer la distance avec toutes les observations d’apprentissage ·     ...

Les données manquantes constituent un problème fréquent dans presque tous les jeux de données , et peuvent fausser sérieusement les résultats statistiques si elles ne sont pas traitées correctement. Une solution largement utilisée est l’imputation des données manquantes , qui consiste à estimer et remplacer les valeurs manquantes par des valeurs plausibles , plutôt que de supprimer les observations incomplètes. Il existe de nombreuses méthodes d’imputation , et il est souvent difficile de choisir la plus adaptée à un jeu de données donné. Une méthode que j’ai récemment découverte et qui présente des résultats très prometteurs est l’imputation NNS (Nonlinear Nonparametric Statistics) . L’imputation NNS repose sur une régression non linéaire et non paramétrique . Elle estime les valeurs manquantes en identifiant des relations locales optimales dans les données , sans supposer de linéarité ni d’ homoscédasticité . 👉 Elle s’adapte donc très bien aux structures complexes , au...

Le 𝙈𝙖𝙘𝙝𝙞𝙣𝙚 𝙇𝙚𝙖𝙧𝙣𝙞𝙣𝙜 ne repose pas sur la magi e, mais sur des fondations mathématiques solides. Pour 𝙘𝙤𝙢𝙥𝙧𝙚𝙣𝙙𝙧𝙚, 𝙘𝙤𝙣𝙨𝙩𝙧𝙪𝙞𝙧 𝙚𝙩 𝙞𝙣𝙩𝙚𝙧𝙥𝙧𝙚́𝙩𝙚𝙧 les modèles, il faut maîtriser : 𝘼𝙡𝙜𝙚̀𝙗𝙧𝙚 𝙡𝙞𝙣𝙚́𝙖𝙞𝙧𝙚 → vecteurs, matrices, distances 𝙋𝙧𝙤𝙗𝙖𝙗𝙞𝙡𝙞𝙩𝙚́𝙨 → incertitude, lois, probabilités conditionnelles 𝙎𝙩𝙖𝙩𝙞𝙨𝙩𝙞𝙦𝙪𝙚𝙨 → estimation, inférence, validation des modèles 𝘾𝙖𝙡𝙘𝙪𝙡 𝙙𝙞𝙛𝙛𝙚́𝙧𝙚𝙣𝙩𝙞𝙚𝙡 → optimisation, gradients, fonctions de coût 𝙂𝙧𝙖𝙥𝙝𝙚𝙨 & 𝙫𝙞𝙨𝙪𝙖𝙡𝙞𝙨𝙖𝙩𝙞𝙤𝙣 → comprendre et expliquer les données 𝙈𝙖𝙞̂𝙩𝙧𝙞𝙨𝙚𝙧 𝙘𝙚𝙨 𝙥𝙞𝙡𝙞𝙚𝙧𝙨, c’est passer de l’utilisation aveugle des algorithmes à une analyse intelligente et crédible. 𝙇𝙚 𝙙𝙖𝙩𝙖 𝙨𝙘𝙞𝙚𝙣𝙩𝙞𝙨𝙩 𝙦𝙪𝙞 𝙘𝙤𝙢𝙥𝙧𝙚𝙣𝙙 𝙡𝙚𝙨 𝙢𝙖𝙩𝙝𝙨 𝙘𝙤𝙢𝙥𝙧𝙚𝙣𝙙 𝙡𝙚𝙨 𝙧𝙚́𝙨𝙪𝙡𝙩𝙖𝙩𝙨. ________________________________________ ________________________________________ Si vous avez trouvé cette publication utile, n...