Regression logistique - analyse de donnees categorielles

Data Value

Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Étudiant
Prix
2340 €
Durée
Nous contacter
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
En savoir plus sur les localités en présentiel
Cette formation est disponible dans les centres de formation suivants:
  • 75 - Paris 12e
Cette formation peut être dispensée dans votre entreprise dans les localités suivantes :
  • 75 - Paris
  • 77 - Seine-et-Marne
  • 78 - Yvelines
  • 91 - Essonne
  • 92 - Hauts-de-Seine
  • 93 - Seine-Saint-Denis
  • 94 - Val-de-Marne
  • 95 - Val-d'Oise
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
Programme
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
Haut de page