Aller au contenu principal

Réaliser ses analyses statistiques avec R

Date de mise à jour :
Identifiant Offre Info : 03_2100791F
Organisme responsable : Data Value (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

Objectifs

  • Apprendre à utiliser le logiciel R pour analyser des données.
  • Mettre en oeuvre dans R les méthodes de statistique descriptive, décisionnelle, analyse de la variance, régression linéaire et analyse de données multidimensionnelles.

Programme de la formation

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…

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
  • Test d'hypothèse
  • Généralités, règle de décision, risques d'erreur, puissance
  • Tests de conformité ou de comparaison à 1 norme
  • Conformité d'une moyenne, d'une proportion
  • Les tests de comparaison de deux populations
  • Comparaison de 2 moyennes, de 2 proportions
  • Test d'ajustement à 1 loi de probabilité normale
  • Test de Shapiro-Wilk
  • Intro aux tests non paramétriques
  • Test de Wilcoxon, Mann et Whitney, Kruskal Wallis, Friedman
Liaisons entre 2 variables
  • Liaison entre 2 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, 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 - Test de Fisher
  • Comparaisons multiples de moyennes
  • Analyses post hoc, 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 & multiple
  • De la corrélation à la régression
  • L'intérêt d'un modèle - Variables à expliquer, explicatives, erreur
  • La régression linéaire simple
  • Ajustement par la méthode des moindres carrés - Tests et validation du modèle
  • La régression linéaire multiple
  • Choix d'un modèle de régression
  • Pourquoi sélectionner un sous-ensemble de variables explicatives ?
  • Les différentes approches & critères de sélection d'un modèle
Analyse de données multidimensionnelles
 

Validation et sanction

- Importer, manipuler et analyser des données dans R
- Effectuer des analyses statistiques univariées
- 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
- Étudier numériquement et graphiquement la liaison entre 2 variables quantitatives, qualitatives ou de chaque nature
- Mettre en œuvre des analyses de la variance à un ou plusieurs facteurs pour la comparaison de moyennes de population
- Élaborer un modèle établissant une relation linéaire entre une variable à expliquer et une (régression simple) ou plusieurs (régression multiple) variables explicatives.
- Découvrir les principales méthodes d'analyse multidimensionnelle des données à l'aide du package FactoMineR

Type de formation

Non certifiante

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Modalités pédagogiques

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

Durée

En centre

21 h

Financement

Conventionnement
Non
Financeurs
  • Bénéficiaire de l'action

    Programme : Entreprise, Individuel (AIF, POEI, Région individuel, autofinancement)

    Publics : Toute personne souhaitant analyser des données avec R

  • Entreprise

    Programme : Entreprise, Individuel (AIF, POEI, Région individuel, autofinancement)

    Publics : Toute personne souhaitant analyser des données avec R

Conditions d'accès

Public visé

  • Tout public

Informations sur les publics

Toute personne souhaitant analyser des données avec R

Niveau d'entrée

Sans niveau spécifique

Conditions spécifiques et prérequis

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

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement en présentielle

Adresse

33 Rue de la République
69002 Lyon 2e

Responsable : ASI

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
41 rue de la Découverte
31676 Labège
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates fixes