Les structures de données

Table des matières

Introduction
I. Présentation générale de Big Data 
1. Qui ce que le Big Data ?
1.1 Définition
1.2 Les caractéristiques de Big Data
1.3 Les structures de données
1.4 Big Data en chiffre
1.5 Quand est ce qu’on peut Parler de Big Data ?
2. Les secteurs d’utilisation de Big Data
2.1 Secteur de la santé
2.2 Secteur de l’agriculture
2.3 Secteur du tourisme
2.4 Secteur du transport
2.5 Secteur des technologies
2.6 Secteur de marketing
2.7 secteur de commerce
2.8 secteur industriel
3. Enjeux de Big Data
3.1 Enjeux techniques
3.2 Enjeux économiques
3.3 Enjeux juridiques
II. Les techniques statistiques pour l’analyse de Big Data
1. Le statisticien et le Big Data
2. La classification
2.1 Algorithme de classification hiérarchique (CAH)
2.2 Algorithme des centres mobiles (K-means)
3. La régression linéaire
3.1 La régression linéaire simple
3.1.1 Estimation des paramètres β0 et β1
3.1.2 Estimation du paramètre σ2
3.1.3 Inférence concernant la moyenne de la distribution conditionnelle Y à X = Xh
3.1.4 Analyse de la variance
3.2 La régression linéaire multiple
3.2.1 Estimation des paramètres βi
3.2.2 Analyse de la variance en régression multiple
3.2.3 Estimation du paramètre σ2
3.2.4 Test de signification de la régression dans son ensemble
3.2.5 Contribution marginal et estimation par intervalle
3.2.6 Estimation de E(Yh) par intervalle de confiance
3.3 La Régression linéaire divisée
III. Résultats expérimentaux de l’exemple 1
IV. Résultats expérimentaux de l’exemple 2
V. Conclusion et discussion
Références