Analyses statistiques (descriptives et inférentielles) avec R

Objectifs : Apprendre à utiliser le logiciel R pour analyser des données.
Mettre en oeuvre dans R les méthodes de statistique descriptive et décisionnelle (faire les tests statistiques).

Public : Toute personne souhaitant analyser des données avec R

Modalité : formation présentielle

Logiciels : R et RStudio

Validation : évaluation du stagiaire, attestation de suivi de stage

Pré-requis : Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation R-statistiques basiques

Méthode : Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel R.

Durée: 3-6 jours

Niveau: Intermediaire 

Moyens: Un ordinateur par stagiaire, des travaux pratiques proposés pendant la formation

Pédagogie: 15% de théorie, 85% de pratique

Programme

     - Statistiques descriptives

• Gestion d’un jeu de données - dataframe
  Importation, caractérisation, sélection, sous-ensembles
• Premières analyses d’un jeu de données
  Premières vérifications, valeurs manquantes, recodage
• Résumé d’une variable quantitative – numeric
  Indicateurs numériques, représentations graphiques
• Résumé d’une variable qualitative – factor
  Indicateurs numériques, représentations graphiques

      - Intervalle de confiance

• Le raisonnement à partir d’un échantillon
  Généralités, échantillonnage, estimation d’un paramètre
• Intervalle de confiance d’une moyenne
• Intervalle de confiance d’une proportion
• Intervalle de confiance d’une variance

       - Tests d’hypothèses

• Qu’est-ce qu’un test d’hypothèse ?
  Généralités, règle de décision, risques d’erreur, puissance
• Les tests de conformité ou de comparaison à une norme
  Conformité d’une moyenne, d’une proportion
• Les tests de comparaison de deux populations
  Comparaison de deux moyennes, de deux proportions
• Test d’ajustement à une loi de probabilité normale
  Le test de Shapiro-Wilk
• Introduction aux tests non paramétriques
  Test de Wilcoxon, Mann et Whitney, Kruskal Wallis, Friedman

      - Liaisons entre deux variables

• Liaison entre deux variables quantitatives
  Nuage de points, intensité de la liaison, significativité
• Liaison entre deux variables qualitatives
  Tableau de contingence, intensité et significativité du lien de dépendance : test du khi2
• Liaison entre une variable qualitative et quantitative
  Comparaison de plusieurs populations, le rapport de corrélation
• Liaisons entre plusieurs variables
  Approches graphiques : matrice de nuages de points, treillis
  Caractériser des sous-populations par plusieurs variables

      - L’analyse de la variance – Anova

• Analyse de la variance à un facteur
  Variabilité inter, intra, totale – Rapport de corrélation - Le test de Fisher
• Comparaisons multiples de moyennes
  Analyses post hoc, la procédure de Tukey
• Analyse de la variance à deux facteurs et interaction
• Extensions de l’Anova
  Modèle à effet fixe ou aléatoire, modèle hiérarchisé
  - Régression linéaire simple 
• De la corrélation à la régression
  L’intérêt d’un modèle - Variables à expliquer, explicatives, erreur
• La régression linéaire simple
   

Inscription : Vous pouvez nous contactez en écrivant à bege.rdc@hotmail.com ou en remplissant ce formulaire de contact