Réaliser ses analyses biostatistiques avec R par Data Value

- Statistiques descriptives
Tableaux de données (individuelles, de fréquences, regroupées, croisant plusieurs variables)
Distribution (paramètres de forme, position, dispersion)
Associations (variables quantitatives et/ou qualitatives)
Représentations graphiques (variables quantitatives et/ou qualitatives)
- Lois et Simulations avec R
Lois connues
Générations de données sous R
La méthode du bootstrap
- Intervalles de confiance
Pour une moyenne
Pour une proportion
Pour une variance
- Tests d'hypothèses
Premiers tests statistiques paramétriques
De moyennes (test de Student)
De variances
De proportions (tests d'indépendance, de chi2)
De corrélation
Tests non paramétriques
Tests d'adéquation
Tests de position
P_valeurs (p
- value)
- Analyse de variance
Anova simple (à un ou deux facteurs)
Anova pour mesures répétées
- Régression linéaire
Objectifs, contexte et modèles
Corrélation
Régression linéaire simple
Régression linéaire multiple
Tests et interprétations des sorties
Validation des hypothèses
- Régression logistique simple et multiple
Objectifs, contexte et modèles
Ajustements
Tests et interprétations des sorties
Validation des hypothèses (analyse des résidus)

Apprendre à utiliser le logiciel R pour analyser des données du domaine biomédical.
Mettre en oeuvre dans R les méthodes de statistique descriptive, décisionnelle, analyse de la variance, régression linéaire et logistique.