Analyse de la variance et régression linéaire par Groupe Arkesys - Avanteam Formation

Anova simple
Contexte d'utilisation de l'Anova simple
Parallèle et différences avec le test de Student
Données indépendantes et données appariées
Conditions de mise en oeuvre de l'Anova
Décomposition de la variance
Interprétation de la table de l'Anova
Erreur expérimentale
Significativité des effets
Principes de lecture de la table de Fisher
Importance des degrés de liberté de l'erreur
Comparaisons multiples des moyennes
Les différents tests disponibles (Tukey, Bonferroni, Newman
- Keuls, ...)
Etude des grandes erreurs à ne pas commettre dans l'ANOVA
Anova à deux et x facteurs
Contexte d'utilisation de l'Anova à deux facteurs
Définition de la notion d'interaction
Sens physique
Approche graphique
Conditions de mise en oeuvre de l'Anova à deux facteurs
Plan équilibré
Plan déséquilibré
La décomposition de la variance
Interprétation de la table de l'Anova
Les différentes sommes de carrés (type I et III)
Calcul de l'erreur
Significativité des effets
Significativité de l'interaction
Comparaisons multiples des moyennes : les différents tests (Tukey, Bonferroni, Dunnett,...)
Traitements graphiques des analyses
Protocoles expérimentaux et généralités sur les différents types de modèles
Présentation du modèle linéaire
Les différents types de facteurs
Les différents types de modèles
Modèles sans interactions
Les modèles avec interactions
Les modèles croisés
Les modèles imbriqués
Les mesures répétées
Importance et pertinence du protocole expérimental
Régression linéaire simple et multiple
Principes généraux de la régression
Différences entre ANOVA et Régression
Rappels des objectifs
Conditions d'utilisation
Principes de base de la modélisation par la régression
Les différents modèles de la régression
Modèle linéaire simple
Modèle linéaire multiple
Qualité du modèle
Erreur d'estimation
Coefficient de détermination
Analyse des résidus
Calculs des résidus
Sens physique
Homogénéité, distribution
Valeurs suspectes
Analyses graphiques
Utilisation du modèle
Prédiction de valeurs individuelles
Intervalles de confiance des prédictions
Traitement graphique des résultat

A l'issue de cette formation, l'apprenant sera capable de :
Vérifier les conditions de mise en oeuvre d'une ANOVA à un et plusieurs facteurs.
Comprendre les calculs de l'ANOVA
Interpréter les résultats d'une ANOVA
Mettre en oeuvre un test a posteriori (Tukey, Bonferroni, Dunnett, ...)
Interpréter le sens physique d'une interaction
Connaître le contexte des Anova à mesures répétées
Connaître le contexte des Anova hiérarchisées
Mettre en oeuvre un modèle de régression linéaire simple et le valider
Comprendre le contexte de la régression multiple