Outils de modélisation avec applications en R, JMP et SAS

[6 demi jours] - [Français]

Vous désirez apprendre à construire des modèles statistiques avec différents logiciels d’analyse ?

La régression est un ensemble de méthodes statistiques utilisées pour modéliser la relation qui lie une variable réponse (dépendante, endogène, etc.) à une ou plusieurs variables explicatives (indépendantes, exogènes, etc.).

Objectifs de la formation
Au terme de cette formation, le participant sera capable d'utiliser des méthodes de modélisation de pointe, de choisir le meilleur modèle et d'en interpréter les résultats.

Prérequis
En vous inscrivant à la formation, vous vous engagez à avoir un niveau de connaissances équivalent à la/aux formation(s) suivante(s) :

Contenu

• Méthodes d’estimation: Estimation par maximum de vraisemblance et par la méthode des moindres carrés
• Régression linéaire simple et multiple
• Modélisation non linéaire
• Modèles linéaires généralisés (GLM)
• Composantes de variance : ANOVA à un critère de classification aléatoire
• ANOVA  à deux critères de classification hiérarchisés
• Inférence sur les paramètres d’une variable catégorielle
• Régression logistique

Tarif
Cette formation est reconnue par l'IABE et permet de ce fait aux participant·es d'obtenir des points CPD.
(Ceci est d'ailleurs vrai pour l'entièreté de l'offre de formations du SMCS.)

Outils utilisés durant la formation
SAS / JMP

Méthodes et familles de méthodes abordées
Statistique non paramétrique
   Tests non paramétriques de comparaisons de moyenne
   Indices et tests de la relation entre variables qualitatives ou quantitatives non distribuées normalement
Statistique paramétrique de comparaison de moyennes
   ANOVA à mesures répétées
   ANCOVA
Modèle de régression
   Inférence sur un coefficient de corrélation linéaire
   Régression linéaire simple
   Régression logistique
   Régression de Poisson
   Régression multinomiale et ordinale
   Régression non linéaire
   Régression linéaire multiple