Methodes de regression multiple en biostatistique
Data Value
Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
2340 €
Durée
Nous contacter
Niveau visé
Non diplômante
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
Objectifs
Objectifs
S'approprier les principales méthodes de régression utilisées en Biostatistique. Savoir manipuler, analyser et interpréter des données avec différents types de modèles de régression
Compétences visées
- Mettre en oeuvre une régression linéaire, en dégager les paramètres du modèle et savoir interpréter les résultats en testant la qualité du modèle
- Mener une analyser de la variance à un ou deux facteurs et savoir analyser la qualité du modèle
- Être en capacité de réaliser une régression de Poisson et d'en interpréter les résultats
- Connaître la régression logistique, savoir interpréter ses résultats et tester la significativité des paramètres du modèle
- Modéliser le délai de survenue d'un évènement à l'aide des techniques d'analyses de survie
S'approprier les principales méthodes de régression utilisées en Biostatistique. Savoir manipuler, analyser et interpréter des données avec différents types de modèles de régression
Compétences visées
- Mettre en oeuvre une régression linéaire, en dégager les paramètres du modèle et savoir interpréter les résultats en testant la qualité du modèle
- Mener une analyser de la variance à un ou deux facteurs et savoir analyser la qualité du modèle
- Être en capacité de réaliser une régression de Poisson et d'en interpréter les résultats
- Connaître la régression logistique, savoir interpréter ses résultats et tester la significativité des paramètres du modèle
- Modéliser le délai de survenue d'un évènement à l'aide des techniques d'analyses de survie
Programme
- Régression linéaire
Contexte (exemples, terminologie)
Définition du modèle
Estimation des paramètres du modèle
Tests d'hypothèses sur les paramètres du modèle
Codage des variables, modification de l'effet et confusion
Comparaison de modèles et sélection de variables
Étude de l'adéquation du modèle logistique
- Analyse de la Variance (ANOVA)
Contexte (exemples, terminologie)
Définition du modèle (hypothèses, interprétation des paramètres du modèle)
Analyse de la Variance à un facteur
Analyse de la Variance à deux facteurs
Tests d'hypothèses sur les paramètres du modèle
- Régression de Poisson
Contexte (exemples, terminologie)
Définition du modèle (hypothèses, surdispersion, interprétation des paramètres du modèle)
Estimation des paramètres du modèle
Tests d'hypothèses sur les paramètres du modèle
Codage des variables explicatives (binaire, qualitative)
Modification de l'effet et confusion
Comparaison de modèles et sélection de variables
Etude de l'adéquation du modèle de Poisson
- Régression logistique
Contexte (exemples, terminologie)
Définition du modèle (hypothèses, fonction logit, interprétation des paramètres du modèle)
Estimation des paramètres du modèle
Tests d'hypothèses sur les paramètres du modèle
Codage des variables explicatives (binaire, qualitative)
Modification de l'effet et confusion
Comparaison de modèles et sélection de variables
Etude de l'adéquation du modèle logistique
- Analyse de survie
Données de survie
Censure et troncature / exemples
Courbes de survie
Comparaison de courbes de survie
Modèles de régression
Contexte (exemples, terminologie)
Définition du modèle
Estimation des paramètres du modèle
Tests d'hypothèses sur les paramètres du modèle
Codage des variables, modification de l'effet et confusion
Comparaison de modèles et sélection de variables
Étude de l'adéquation du modèle logistique
- Analyse de la Variance (ANOVA)
Contexte (exemples, terminologie)
Définition du modèle (hypothèses, interprétation des paramètres du modèle)
Analyse de la Variance à un facteur
Analyse de la Variance à deux facteurs
Tests d'hypothèses sur les paramètres du modèle
- Régression de Poisson
Contexte (exemples, terminologie)
Définition du modèle (hypothèses, surdispersion, interprétation des paramètres du modèle)
Estimation des paramètres du modèle
Tests d'hypothèses sur les paramètres du modèle
Codage des variables explicatives (binaire, qualitative)
Modification de l'effet et confusion
Comparaison de modèles et sélection de variables
Etude de l'adéquation du modèle de Poisson
- Régression logistique
Contexte (exemples, terminologie)
Définition du modèle (hypothèses, fonction logit, interprétation des paramètres du modèle)
Estimation des paramètres du modèle
Tests d'hypothèses sur les paramètres du modèle
Codage des variables explicatives (binaire, qualitative)
Modification de l'effet et confusion
Comparaison de modèles et sélection de variables
Etude de l'adéquation du modèle logistique
- Analyse de survie
Données de survie
Censure et troncature / exemples
Courbes de survie
Comparaison de courbes de survie
Modèles de régression
Envie d’en savoir plus sur cette formation ?
Documentez-vous sur la formation
Ces formations peuvent vous intéresser
Formation au métier de Data Analyst (Power BI, SQL, certification...
LILLE, GRENOBLE, MARSEILLE ET 11 AUTRE(S) LOCALITÉ(S)
Offre spéciale
Avis du centre
