Réaliser ses analyses biostatistiques avec R

Objectifs

Objectifs
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
Compétences visées
- Mettre en oeuvre 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 oeuvre 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

Programme de la formation

- 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)

Validation et sanction

Attestation d'acquis ou de compétences;Attestation de suivi de présence

Type de formation

Non certifiante

Sortie

Sans niveau spécifique