Créer un site internet
BUREAU D’ETUDE GEOLOGIQUE ET ENVIRONNEMENTALE (BEGE-RDC) La géologie au service du développement durable

Analyses statistiques (descriptives et inférentielles) avec R

Objectifs : Apprendre à utiliser le logiciel R pour analyser des données.
Mettre en oeuvre dans R les méthodes de statistique descriptive et décisionnelle (faire les tests statistiques).

Public : Toute personne souhaitant analyser des données avec R

Modalité : formation présentielle

Logiciels : R et RStudio

Validation : évaluation du stagiaire, attestation de suivi de stage

Pré-requis : Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation R-statistiques basiques

Méthode : Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel R.

Durée: 3-6 jours

Niveau: Intermediaire 

Moyens: Un ordinateur par stagiaire, des travaux pratiques proposés pendant la formation

Pédagogie: 15% de théorie, 85% de pratique

Programme

     - 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 
  • De la corrélation à la régression
    L’intérêt d’un modèle - Variables à expliquer, explicatives, erreur
  • La régression linéaire simple
     

Inscription : Vous pouvez nous contactez en écrivant à bege.rdc@hotmail.com ou en remplissant ce formulaire de contact

Date de dernière mise à jour : 21/09/2024