Regression logistique - analyse de donnees categorielles
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 méthodes de régression logistique avec des applications en Biostatistique. Savoir manipuler, analyser et interpréter des données dans le cadre d'une régression logistique.
Compétences visées
- Comprendre le contexte d'utilisation de la régression logistique
- Comprendre l'intérêt du passage à la fonction logit
- Savoir interpréter les résultats de la régression et établir des intervalles de confiance autour des paramètres du modèle
- Savoir estimer les paramètres dans le cas du modèle simple et multiple
- Réaliser des tests d'hypothèse sur les paramètres du modèle
- Savoir traiter les variables explicatives (codage et interprétation)
- Connaître la modification de l'effet et confusion
- Être en mesure de comparer les modèles et de sélectionner les variables
- Examiner les étapes de validation du modèle
- Découvrir des extensions du modèle logistique
S'approprier les méthodes de régression logistique avec des applications en Biostatistique. Savoir manipuler, analyser et interpréter des données dans le cadre d'une régression logistique.
Compétences visées
- Comprendre le contexte d'utilisation de la régression logistique
- Comprendre l'intérêt du passage à la fonction logit
- Savoir interpréter les résultats de la régression et établir des intervalles de confiance autour des paramètres du modèle
- Savoir estimer les paramètres dans le cas du modèle simple et multiple
- Réaliser des tests d'hypothèse sur les paramètres du modèle
- Savoir traiter les variables explicatives (codage et interprétation)
- Connaître la modification de l'effet et confusion
- Être en mesure de comparer les modèles et de sélectionner les variables
- Examiner les étapes de validation du modèle
- Découvrir des extensions du modèle logistique
Programme
- Contexte
Exemples
Terminologie
Représentations graphiques de ces données binaires
- Spécification du modèle
Hypothèses
Fonction logit
Interprétation des paramètres du modèle
Intervalle de confiance
- Estimation des paramètres du modèle simple et multiple
- Tests d'hypothèses sur les paramètres du modèle
- Codage et interprétation des variables explicatives (binaire, qualitative)
- Modification de l'effet et confusion
- Comparaison de modèles et sélection de variables
- Validation des hypothèses du modèle
Analyse des résidus
Etude de l'adéquation du modèle logistique
- Quelques extensions du modèle de régression logistique
Exemples
Terminologie
Représentations graphiques de ces données binaires
- Spécification du modèle
Hypothèses
Fonction logit
Interprétation des paramètres du modèle
Intervalle de confiance
- Estimation des paramètres du modèle simple et multiple
- Tests d'hypothèses sur les paramètres du modèle
- Codage et interprétation des variables explicatives (binaire, qualitative)
- Modification de l'effet et confusion
- Comparaison de modèles et sélection de variables
- Validation des hypothèses du modèle
Analyse des résidus
Etude de l'adéquation du modèle logistique
- Quelques extensions du modèle de régression logistique
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
