Analyse statistique avancée avec R

Connaître les outils et méthodes d’analyses statistiques avancées en environnement R
Savoir programmer des analyses avec R
Savoir utiliser les packages de R pour mettre en oeuvre des modélisations statistiques (régression, ACP..)
Comprendre comment réaliser des analyses prédictives à l’aide d’équations de régression

Taille d’échantillon (effectif) d’un test t à 1 échantillon en bilatéral
Taille d’échantillon (effectif) d’un test p (proportion) à 1 échantillon en bilatéral
Taille d’échantillon (effectif) d’un test p (proportion) à 2 échantillons en bilatéral

Test t-Student bilatéral d’un échantillon
Test t-Student pour données appariées
Test t-Student homoscédastique bilatéral d’égalité de la moyenne
Test t-Student hétéroscédastique bilatéral d’égalité de la moyenne (test de Welch)
Test de Poisson à un échantillon unilatéral/bilatéral
Comparaison de proportions sur une même population (test binomial exact)
Intervalle de confiance de la proportion
Comparaison de proportions sur 2 échantillons indépendants
Test de Fisher d’égalité des variances
Test de Levene d’égalité de deux variances
Robustesse de tests statistiques
Transformations de Box-Cox
Transformations de Johnson

ANOVA à un facteur fixe (ANOVA-1 canonique) désempilé
ANOVA à deux facteurs fixes (ANOVA-2 canonique) sans répétitions avec ou sans interactions
ANOVA à deux facteurs fixes (ANOVA-2 canonique) avec répétitions avec ou sans interactions
Comparaisons multiples du test de Student avec correction de Bonferroni
Test de (l’étendue) de Tukey HSD
Test de Levene et Bartlett d’égalité des variances d’une ANOVA canonique
ANOVA Imbriquée/Hiérarchique complète
ANOVA Carré Latin
ANCOVA (Analyse de la Covariance)
MANOVA
ACP (Analyses en Composantes Principales) paramétrique
Analyse factorielle exploratoire (AFE)
AFE avec méthode ACP sans rotation
AFE avec méthode ACP et rotation VariMax

Modalités pédagogiques :

Évaluation des besoins et du profil des participants.
Apport théorique et méthodologique : séquences pédagogiques regroupées en différents modules.
Contenus des programmes adaptés en fonction des besoins identifiés pendant la formation.
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de travaux pratiques, étude de cas et mise en situation.
Méthodes expositive, active et participative.
Réflexion et échanges sur cas pratiques.
Retours d'expériences.
Corrections appropriées et contrôles des connaissances à chaque étape, fonction du rythme de l’apprenant mais également des exigences requises au titre de la formation souscrite.

Éléments matériels :

Mise à disposition des outils nécessaires au bon déroulement des travaux pratiques.
Support de cours au format numérique projeté sur écran et transmis au participant en fin de la formation.

Référent pédagogique et formateur :

Chaque formation est sous la responsabilité du directeur pédagogique de l’organisme de formation.
Le bon déroulement est assuré par le formateur désigné par l’organisme de formation.

Feuilles de présences signées des participants et du formateur par demi-journée.
Attestation de fin de formation mentionnant les objectifs, la nature et la durée de l’action et les résultats de l’évaluation des acquis de la formation.

Please login to get access to the quiz

Back to Data Science

Data Science