Thématique de recherche
Statistique appliquée
Fondamentalement, les modèles développés par les chercheurs
de l’unité relèvent de l’Analyse de Données impliquant
l’extraction de variables latentes ainsi que de techniques
de classication et de régression sur variables fortement
colinéaires.
Les domaines d’application privilégiés sont la Sensométrie
et la Chimiométrie
Partenariats
• Anses, Ifremer, CNRS, CHU Dijon, UMR PHAN (Inra -
Université de Nantes).
• Centre des Sciences du Goût et de l’Alimentation Inra
Dijon, Inra Clermont Ferrand, UMR GENIAL (Inra -
AgroParisTech), ESA Angers, équipe Flaveur (Oniris -
Cnrs), USC LABERCA (Oniris-Inra).
• Norvegian University of Life Science, Université de Genève,
Université de Lausanne, Université Ibn Tofail – Kénitra
Maroc, Université des Sciences et de la Technologie Houari
Boumédiène – Alger, Université de M’sila, Algérie.
• Peugeot, Lindt, L’Oreal, Valrhona, Danone, Takasago, Bel,
IFF.
Formation
• Formations continues en statistique appliquée (planication
expérimentale, analyse multivariée des données...).
• L’unité est rattachée à l’Ecole Doctorale EGAAL de l’Univer-
sité Bretagne-Loire (ComUE).
STAT SC - Rue de la Géraudière - CS 82225 - F - 44322 Nantes Cedex 3
Tél. : +33 (0)2 51 78 54 50 - Contact : evelyne.vigneau@oniris-nantes.fr - Info : ww.angers-nantes.inra.fr/Les-unites/SC
Service communication INRA - Janvier 2017
Faits marquants
Exemples de méthodes développées
• Analyse en composantes communes et poids spéciques
(ComDim)
Pour le traitement de tableaux multiples, cette méthode
apporte un éclairage sur les points de convergence et
également sur les points de divergence entre les tableaux
analysés.
• Classication de variables autour de Composantes Latentes
Développée sous l’acronyme CLV, cette méthode permet de
former des groupes de variables directionnels ou locaux, et
ore de nombreuses options qui permettent, par exemple,
de tenir compte d’informations connexes ou d’écarter des
variables « de bruit ».
• Catégorisation perceptive
Une nouvelle épreuve dite « tri libre taxonomique » a été
élaborée permettant d’aner l’épreuve de tri libre.
R Packages
• FreeSortR : Free Sorting data analysis - P. Courcoux.
• Blocks : an experimental R package for structuring with
multiblock objects - P. Dolce et M. Hana.
• Multigroup : Multigroup Data Analysis - A. Eslami, E.M.
Qannari, S. Bougeard, et G. Sanchez.
• CompR : Paired Comparison Data Analysis - M. Semenou.
• ClustVarLV : Clustering of Variables Around Latent
Variables - E. Vigneau et M. Chen.
Thèse soutenue en 2016
• Relations entre tableaux de données : exploration et
prédiction - Angélina El Ghaziri.