Réaliser ses analyses statistiques avec le logiciel R

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 Compétences visées : - 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 oeuvre 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

- 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 et 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 et critères de sélection d'un modèle - Analyse de données multidimensionnelles Un panorama des méthodes multidimensionnelles Analyses factorielles, classification - Le package FactoMineR ACP : Analyse en Composantes principales AFC : Analyse Factorielle des Correspondances ACM : Analyse des correspondances Multiples CAH : Classification Ascendante Hiérarchique

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

Pour suivre ce stage dans de bonnes conditions, il est recommande d avoir suivi en amont la formation R - Prise en main, analyses statistiques et graphiques.