Analyse statistique des liens entre blocs de variables de format mixte

CONTEXTE : Nos recherches proposent le développement de méthodologies statistiques et de leurs applications aux données réelles issues de disciplines très différentes. A l’heure actuelle, les scientifiques ont régulièrement accès à des données mesurées sur plusieurs ensembles (blocs) de variables pour le même ensemble d’observations. Cette structure de données est connue sous le nom de données multiblocs, les observations étant les lignes et les variables les colonnes structurées en blocs. Ces blocs sont généralement de grande dimension et comprennent a la fois des variables qualitatives et quantitatives (mixtes). L’étude de ces structures de données est compliquée d’un point de vue conceptuel, analytique et informatique et il n’existe pas de méthode d’analyse standard pour étudier ces données.

OBJECTIFS : Développer de nouvelles méthodes d’analyse multivariée et multibloc pour étudier des données mixtes de grande dimension et renforcer les collaborations entre la France et le Québec.

Faculty Supervisor:

Aida Eslami

Student:

Partner:

École nationale vétérinaire, agroalimentaire et de l'alimentation, Nantes-Atlantique

Discipline:

Mathematics

Sector:

Artificial Intelligence; Health and Related Sciences & Technology

University:

Université Laval

Program: