Linear models help explain a response variable (dependent variable, endogenous variable etc.) y using observed explanatory variables (independent variables, exogenous variables etc.) x1, x2, … : y = f(x1; x2; …; xp) + error. In order to keep a simple model, the assumption that the function is linear in its parameters is made: y = β0 + β1x1 + β2x2 + ... + βpxp + ε
Analyse des données de panel avec Stata |
|
Analyser la médiation, la modération et la médiation modérée avec SPSS |
|
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 aux modèles d'équations structurelles (SEM) avec Stata |
|
Introduction à Jamovi, manipulation et analyse de données |
|
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 |
|
Panel data analysis using Stata |
|
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 |
|
RNAseq data analysis |
|
Statistique appliquée avec JMP |
|