Méthodes

Régression linéaire simple

Dans un modèle linéaire, on cherche à expliquer et/ou prédire une variable réponse (variable dépendante, variable endogène, etc.) y à l'aide d'une variable explicative (variable indépendante, variable exogène, etc.) x1,  observée : y =  β0 +  β1x1 + erreur.

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