Realiser ses analyses statistiques avec R
Data Value
Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
Nous contacter
Durée
Nous contacter
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
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
Statistiques descriptives
Intervalle de confiance
Tests d'hypothèses
Liaisons entre 2 variables
L'analyse de la variance – Anova
Régression linéaire simple & multiple
Analyse de données multidimensionnelles
- 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
Envie d’en savoir plus sur cette formation ?
Documentez-vous sur la formation
Ces formations peuvent vous intéresser
Les formations les plus recherchées
Lyon
Toulouse
Marseille
Montpellier
Paris
Bordeaux
Dijon
Mâcon
Nantes
Rennes
Audit CPF
Audit en Ligne
Statisticien
Statisticien CPF
Statisticien en Ligne
Analyste de donnees
Statisticien Paris
Statisticien Évry-Courcouronnes
Statisticien Mantes-la-Ville
Statisticien Melun
Statisticien Nanterre
Statisticien Cergy
Statisticien Créteil
Statisticien Meaux
Statisticien Beaumont-sur-Oise
Statisticien Issy-les-Moulineaux