Prérequis et objectifs
Résultats attendus
Attestation de formation
Prérequis de la formation
Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation "R – Prise en main, analyses statistiques et graphiques" ou d'avoir atteint par la pratique un niveau équivalent
Objectifs de la formation
Apprendre à utiliser le logiciel R pour analyser des données du domaine biomédical.
Mettre en oeuvre dans R les méthodes de statistique descriptive, décisionnelle, analyse de la variance, régression linéaire et logistique
Objectifs de sortie
- Mettre en œuvre dans R des analyses statistiques uni et bivariées sur des données quantitatives comme qualitatives
- Générer des données suivant une loi, évaluer la précision d'une méthode par rééchantillonnage
- Établir avec R des intervalles de confiance autour de paramètres comme moyenne, proportion et variance
- Réaliser les principaux tests d'hypothèses paramétriques et non paramétriques dans le logiciel
- Mettre en œuvre des analyses de la variance à un ou deux facteurs pour la comparaison de moyennes de population
- Réaliser une ANOVA sur mesures répétées dans le cas où les données ne sont pas indépendantes
- Élaborer un modèle établissant une relation linéaire entre une variable à expliquer et une (régression simple) ou plusieurs (régression multiple) variables explicatives
- Construire un modèle de régression logistique pour expliquer une variable binaire (la présence ou l'absence d'une caractéristique donnée) à l'aide de variables explicatives
Domaines
Contenu
- Statistiques descriptives
- Tableaux de données (individuelles, de fréquences, regroupées, croisant plusieurs variables)
- Distribution (paramètres de forme, position, dispersion)
- Associations (variables quantitatives et/ou qualitatives)
- Représentations graphiques (variables quantitatives et/ou qualitatives)
- Lois et Simulations avec R
- Lois connues
- Générations de données sous R
- La méthode du bootstrap
- Intervalles de confiance
- Pour une moyenne
- Pour une proportion
- Pour une variance
- Tests d’hypothèses
- Premiers tests statistiques paramétriques
- De moyennes (test de Student)
- De variances
- De proportions (tests d’indépendance, de chi2)
- De corrélation
- Tests non paramétriques
- Tests d’adéquation
- Tests de position
- P_valeurs (p-value)
- Analyse de variance
- Anova simple (à un ou deux facteurs)
- Anova pour mesures répétées
- Régression linéaire
- Objectifs, contexte et modèles
- Corrélation
- Régression linéaire simple
- Régression linéaire multiple
- Tests et interprétations des sorties
- Validation des hypothèses
- Régression logistique simple et multiple
- Objectifs, contexte et modèles
- Ajustements
- Tests et interprétations des sorties
- Validation des hypothèses (analyse des résidus)