IMIST


Analyse et modélisatin statistique à base des modèles à classes latentes : (notice n° 55686)

000 -LEADER
fixed length control field 03852nam a22003737i 4500
003 - CONTROL NUMBER IDENTIFIER
control field IMIST
005 - DATE AND TIME OF LATEST TRANSACTION
control field 20220624121559.0
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION
fixed length control field 220624s2017 mr ||||| |||| 00| 0 fre
040 ## - CATALOGING SOURCE
Original cataloging agency IMIST
Language of cataloging fre
Transcribing agency IMIST
Description conventions rda
041 ## - LANGUAGE CODE
Language code of text/sound track or separate title fre
044 ## - COUNTRY OF PUBLISHING/PRODUCING ENTITY CODE
MARC country code MA
082 ## - DEWEY DECIMAL CLASSIFICATION NUMBER
Edition number 22
Classification number 004
100 ## - MAIN ENTRY--PERSONAL NAME
9 (RLIN) 202984
Personal name Abarda, Abdallah
245 ## - TITLE STATEMENT
Title Analyse et modélisatin statistique à base des modèles à classes latentes :
Statement of responsibility, etc Abarda Abdallah
Remainder of title Adaptation et application aux données massives/
264 ## - Production, Publication, Distribution, Manufacture, and Copyright Notice
Place of production, publication, distribution, manufacture Kénitra
Name of producer, publisher, distributor, manufacturer Université Ibn Tofail - Kenitra
Date of production, publication, distribution, manufacture, or copyright notice 2017
300 ## - PHYSICAL DESCRIPTION
Extent 104 pages
336 ## - CONTENT TYPE
Source rdacontent
Content Type Term text
Content Type Code txt
337 ## - MEDIA TYPE
Source rdamedia
Media Type Term unmediated
Media Type Code n
338 ## - CARRIER TYPE
Source rdacarrier
Carrier Type Term volume
Carrier Type Code nc
502 ## - DISSERTATION NOTE
Degree type PH.D
520 ## - SUMMARY, ETC.
Summary, etc Cette thèse présente une contribution par une nouvelle modélisation statistique basée sur l’approche de classes latentes LCA. Et également de nouveaux critères d’informations pour le choix de critères par comparaison analytique et numérique. Une telle approche est ainsi appliquée dans les domaines de la description de certains phénomènes tel celui du comportement des internautes et également dans les domaines de l’analyse des données massives à savoir le Big Data. La thèse rappelle les méthodes d’analyse de données statistiques et les algorithmes de classification existants, ainsi que les méthodes existantes pour déterminer l’atout de LCA par rapport aux autres méthodes, en expliquant le rôle de chaque méthode dans l’analyse de données. Le travail est concerné ensuite sur les modèles à classes latentes en présentant quelques applications de ces modèles ainsi que les enjeux majeurs y existants, en particulier l’aspect probabiliste des modèles de classes latentes basés sur l’analyse bayésienne, ainsi que l’algorithme EM utilisé pour estimer les paramètres du modèle. Une grande partie de ce travail est consacrée à traiter et répondre à la problématique du choix du nombre de classes dans l’analyse des classes latentes. En outre, cette partie passe en revue quelques critères proposés pour la détermination du nombre de classes. Ainsi, elle présent une contribution par introduction de nouveaux critères d’informations et trace une feuille de route pour le choix de critère par une comparaison analytique et numérique. Ensuite, la thèse propose une nouvelle modélisation statistique d’un phénomène réel en utilisant les modèles à classes latentes, plus spécialement, l’adaptation et l’application de LCA pour l’estimation des classes de personnes à risque d’être victime de la cybercriminalité chez les jeunes internautes marocains. Les données utilisées sont issues d’une enquête réalisée dans le cadre de cette thèse dans plusieurs villes du Maroc. La dernière partie de la thèse décrit l’intérêt du Big Data et la nécessité de trouver des modèles mathématiques et statistiques pour analyser des données de grandes dimensions. Ainsi la thèse présente une contribution de deux nouveaux algorithmes qui facilitent l’analyse de données massives à l’aide de la méthode des classes latentes, et aussi une généralisation pour les techniques statistiques. Les résultats sont validés théoriquement par des études asymptotiques des estimateurs choisis, ainsi que par des simulations numériques.
653 ## - INDEX TERM--UNCONTROLLED
Uncontrolled term informatique
653 ## - INDEX TERM--UNCONTROLLED
Uncontrolled term données massives
653 ## - INDEX TERM--UNCONTROLLED
Uncontrolled term Big Data
653 ## - INDEX TERM--UNCONTROLLED
Uncontrolled term Electric engineering computing
700 ## - MEMBRES DE JURY
9 (RLIN) 202985
Personal name Bentaleb, Youssef
700 ## - MEMBRES DE JURY
9 (RLIN) 202986
Personal name Belghiti, Taib
700 ## - MEMBRES DE JURY
9 (RLIN) 23159
Personal name El Hajji, Said
700 ## - MEMBRES DE JURY
9 (RLIN) 202983
Personal name Gretete, Driss
700 ## - MEMBRES DE JURY
9 (RLIN) 202987
Personal name Mharzi, Hassan
710 ## - ADDED ENTRY--CORPORATE NAME
Université Université Ibn Tofail - Kenitra
Faculté Faculté des sciences
856 ## - ELECTRONIC LOCATION AND ACCESS
Uniform Resource Identifier <a href="https://toubkal.imist.ma/handle/123456789/12026?show=full">https://toubkal.imist.ma/handle/123456789/12026?show=full</a>
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Source of classification or shelving scheme
Koha item type Thèse universitaire
Exemplaires
Withdrawn status Lost status Source of classification or shelving scheme Damaged status Not for loan Permanent Location Current Location Date acquired Total Checkouts Full call number Barcode Date last seen Price effective from Koha item type
          La bibliothèque des sciences de l'ingénieur La bibliothèque des sciences de l'ingénieur 06/24/2022   TH-004 ABA 0000000034047 06/24/2022 06/24/2022 Thèse universitaire
© Tous droits résérvés IMIST/CNRST
Angle Av. Allal Al Fassi et Av. des FAR, Hay Ryad, BP 8027, 10102 Rabat, Maroc
Tél:(+212) 05 37.56.98.00
CNRST / IMIST

Propulsé par Koha