JMP Anova et régression (régression simple)
Prérequis
- Il est nécessaire que les participants aient de bonnes connaissances sur les outils statistiques de base : statistiques descriptives, tests d'hypothèses, intervalles de confiance, p-value, risque alpha …
Public admis
- Salarié en Poste
- Entreprise
Demandeur d'emploi et Etudiant non admis
Financement
- Votre OPCO
- Financement personnel
Financement CPF non pris en charge
Modalités
- En centre
- En entreprise
- À distance
Objectifs pédagogiques
- Vérifier les conditions de mise en œuvre d'une ANOVA à un et plusieurs facteurs.
- Comprendre les calculs de l'ANOVA
- Interpréter les résultats d'une ANOVA
- Mettre en œuvre un test a posteriori (Tukey, Bonferroni, Dunnett, …)
- Interpréter le sens physique d'une interaction
- Connaître le contexte des Anova à mesures répétées
- Connaître le contexte des Anova hiérarchisées
- Mettre en œuvre un modèle de régression linéaire simple et le valider
- Comprendre le contexte de la régression multiple
Programme de la formation
Prise en main de l'interface de Jmp (si nécessaire)
- Généralités et interface utilisateurü Gestion et organisation des données
- Gestions des fichiers générés sous Jmp
- Utilisation des barres d'outilsü Présentations des menus
- Présentations des différentes analyses statistiques disponibles
- Paramétrage de la feuille de donnéesü Définition des variables
- Paramétrage des types de variables
- Création de formules
- Gestion des données
- Saisie, Ajout, Suppression de données
- Sélection de données
- Filtrage de données dans les analyses
- Filtrage de données par les graphiques
- Structuration, manipulation des données (split, stack…)
- Importation d'un fichier de données (Excel)
- Gestion des analysesü Paramétrage des variables
- Gestion des fenêtres d'analyses
- Gestion des scripts
- Sauvegarde des scripts
- Mise à jour d'une fenêtre d'analyse
- Association feuille de données & Analyses
- Edition de scripts (Découverte des principes)
- Outils divers
- Configuration du logiciel
- Paramétrage de base
- Utilisation de l'aide
- Outils graphiques
- Manipulation de graphiques
- Exploration de données via les graphiques
- Personnalisation de graphiques
Mise en œuvre d'une Anova simple (un facteur – One way)
- Contexte d'utilisation de l'Anova simple
- Parallèle et différences avec le test de Student
- Données indépendantes et données appariées
- Conditions de mise en œuvre de l'Anova
- Décomposition de la variance
- Interprétation de la table de l'Anova
- Erreur expérimentale
- Significativité des effets
- Principes de lecture de la table de Fisher
- Importance des degrés de liberté de l'erreur
- Comparaisons multiples des moyennes
- Les différents tests disponibles (Tukey, Bonferroni, Dunnett, ...)
- Etude des grandes erreurs à ne pas commettre dans l'ANOVA
Mise en œuvre d'une Anova à deux et x facteurs
- Contexte d'utilisation de l'Anova à deux facteurs
- Définition de la notion d'interaction
- Sens physique
- Approche graphique
- Conditions de mise en œuvre de l'Anova à deux facteurs
- Plan équilibré
- Plan déséquilibré
- La décomposition de la variance
- Interprétation de la table de l'Anova
- Les différentes sommes de carrés (type I et III)
- Calcul de l'erreur
- Significativité des effets
- Significativité de l'interaction
- Comparaisons multiples des moyennes : les différents tests (Tukey, Bonferroni, Dunnett, …)
- Traitements graphiques des analyses
Protocoles expérimentaux et généralités sur les différents types de modèles
- Présentation du modèle linéaire
- Les différents types de facteurs
- Les différents types de modèles
- Modèles sans interactions
- Les modèles avec interactions
- Les modèles croisés
- Les modèles imbriqués
- Les mesures répétées
- Importance et pertinence du protocole expérimental
Mise en œuvre et interprétation des résultats d'une régression linéaire simple
- Principes généraux de la régression
- Différences entre ANOVA et Régression
- Rappels des objectifs
- Conditions d'utilisation
- Principes de base de la modélisation par la régression
- Les différents modèles de la régression
- Modèle linéaire simple
- Modèle linéaire multiple
- Qualité du modèleü Erreur d'estimation
- Coefficient de détermination
- Analyse des résidus
- Calculs des résidus
- Sens physique
- Homogénéité, distribution
- Valeurs suspectes
- Analyses graphiques
- Utilisation du modèle
- Prédiction de valeurs individuelles
- Intervalles de confiance des prédictions
- Traitement graphique des résultats
- Etude des grandes erreurs à ne pas commettre dans une régression
- Ouverture sur la régression multiple

Proposé par
GROUPE ARKESYS
"La formation maintenant pour vos talents de demain"

Proposé par
GROUPE ARKESYS
