Inférence et modélisation statistique avec JMP

[7 heures] - [Français]

Vous avez des données à analyser ? Vous connaissez JMP mais souhaitez vous perfectionner ? Quelques rappels de modélisation statistique vous seraient bénéfiques ?

JMP utilise une interface « pointer-cliquer », c'est-à-dire qu'il relie de façon dynamique des statistiques avec des graphiques à explorer de façon interactive, pour comprendre et visualiser des données. Cette conception permet à l'utilisateur de cliquer sur un point quelconque du graphique et de voir les points de données correspondant mis en surbrillance dans la table de données, et sur d'autres graphiques. Son ensemble très complet d'outils statistiques permet la mise en forme, l'exploration et l'analyse des données expérimentales.

Objectifs de la formation
Au terme de cette formation, le participant aura les connaissances nécessaires pour réaliser les analyses statistiques les plus classiques depuis la comparaison de moyennes jusqu’à la régression linéaire.

Prérequis
Cette formation suppose d'avoir des connaissances élémentaires en statistique et en JMP, connaissances qui peuvent s'acquérir en participant à la formation:

Contenu

• Exploration de données et étude de leur distribution
• Comparaison de moyennes (Test t, ANOVA, Tests non paramétriques comme le test de Wilcoxon-Mann-Whitney)
• Comparaison de proportions (Test exact de Fisher, Test du chi-carré)
• Association entre deux variables quantitatives (Corrélation)
• Modélisation (Régression linéaire simple et multiple)

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
JMP

Méthodes et familles de méthodes abordées
Statistique non paramétrique
   Tests non paramétriques de comparaisons de moyenne
   Tests de proportion et d'ajustement
Statistique paramétrique de comparaison de moyennes
   Test t de Student
   ANOVA
Modèle de régression
   Régression linéaire simple
   Régression linéaire multiple