Réaliser ses analyses biostatistiques avec R

Objectifs Apprendre à utiliser le logiciel R pour analyser des données du domaine biomédical. Mettre en oeuvre dans R les méthodes de statistique descriptive, décisionnelle, analyse de la variance, régression linéaire et logistique Compétences visées - Mettre en oeuvre dans R des analyses statistiques uni et bivariées sur des données quantitatives comme qualitatives - Générer des données suivant une loi, évaluer la précision d'une méthode par rééchantillonnage - Établir avec R des intervalles de confiance autour de paramètres comme moyenne, proportion et variance - Réaliser les principaux tests d'hypothèses paramétriques et non paramétriques dans le logiciel - Mettre en oeuvre des analyses de la variance à un ou deux facteurs pour la comparaison de moyennes de population - Réaliser une ANOVA sur mesures répétées dans le cas où les données ne sont pas indépendantes - Élaborer un modèle établissant une relation linéaire entre une variable à expliquer et une (régression simple) ou plusieurs (régression multiple) variables explicatives - Construire un modèle de régression logistique pour expliquer une variable binaire (la présence ou l'absence d'une caractéristique donnée) à l'aide de variables explicatives

- Statistiques descriptives Tableaux de données (individuelles, de fréquences, regroupées, croisant plusieurs variables) Distribution (paramètres de forme, position, dispersion) Associations (variables quantitatives et/ou qualitatives) Représentations graphiques (variables quantitatives et/ou qualitatives) - Lois et Simulations avec R Lois connues Générations de données sous R La méthode du bootstrap - Intervalles de confiance Pour une moyenne Pour une proportion Pour une variance - Tests d'hypothèses Premiers tests statistiques paramétriques De moyennes (test de Student) De variances De proportions (tests d'indépendance, de chi2) De corrélation Tests non paramétriques Tests d'adéquation Tests de position P_valeurs (p-value) - Analyse de variance Anova simple (à un ou deux facteurs) Anova pour mesures répétées - Régression linéaire Objectifs, contexte et modèles Corrélation Régression linéaire simple Régression linéaire multiple Tests et interprétations des sorties Validation des hypothèses - Régression logistique simple et multiple Objectifs, contexte et modèles Ajustements Tests et interprétations des sorties Validation des hypothèses (analyse des résidus)

Attestation d'acquis ou de compétences;Attestation de suivi de présence

Pour suivre ce stage dans de bonnes conditions, il est recommande d avoir suivi en amont la formation Statistique descriptive (exploratoire) : savoir decrire des observations.