Linear models aim at explaining and/or predicting a response variable (dependent variable, endogenous variable etc.) y using an explanatory variable (independent variable, exogenous variable etc.) x1 which is observed: y = β0 + β1x1 + error.
Analyse de données de rééducation et réadaptation |
|
Applied statistics with JMP |
|
Applied statistics with SPSS |
|
Basic concepts and practical applications of Bayesian statistics with R and JASP |
|
Certificat universitaire en Analyse de données appliquée en R&D - Niveau avancé |
|
Certificat universitaire en Analyse de données appliquée en R&D - Niveau de base |
|
Certificat universitaire en Junior Data Analyst |
|
Concepts de base et pratique de la statistique bayésienne avec R et JASP |
|
Data management and analysis using Stata |
|
Exploration, modélisation, classification et prédiction en R |
|
Formation en analyse de données et statistiques pour la recherche et le développement dans la bioindustrie |
|
Gestion et analyse de données avec Stata |
|
Inférence et modélisation statistique avec JMP |
|
Initiation à la statistique avec applications en JMP |
|
Initiation à la statistique avec applications en R et JMP |
|
Introduction à l'analyse de données avec R |
|
Introduction à la visualisation et à l'analyse de données en Python |
|
Introduction aux plans d'expérience avec JMP |
|
Introduction to data analysis with R |
|
Introduction to experimental design with JMP |
|
Modèles linéaires avec SAS |
|
Outils de modélisation avec applications en R, JMP et SAS |
|
Pratique de la statistique avec Minitab |
|
Pratique de la statistique avec R |
|
Pratique de la statistique avec SAS Enterprise Guide |
|
Pratique de la statistique avec SPSS |
|
Statistique appliquée avec JMP |
|