Réaliser ses analyses biostatistiques avec R

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 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

Programme de la formation

Programme

- 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 de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique