Analyses statistiques (descriptives et différentielles) 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