Prérequis
- La connaissance des outils statistiques de base (statistiques descriptives, tests d'hypothèses, intervalles de confiance, p-value, risque alpha, …) est nécessaire même si un rappel est effectué lors de la formation.
- La pratique de l'analyse de la variance et de la régression linéaire est un atout mais pas strictement obligatoire.
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
- Identifier le contexte d'utilisation d'une régression de type logistique
- Décrire les outils mathématiques utilisés dans la régression logistique
- Interpréter des résultats algébriques issus de ces analyses et les traduire en réalités physiques
- Interpréter des éléments de type odds-ratios notamment dans un contexte épidémiologique
Programme de la formation
Appréhender le contexte d'utilisation de la régression logistique
- Variable explicative et variable expliquée
- Variable expliquée continue et variable expliquée binaire
- Différence entre la régression linéaire classique et la régression logistique
- Variables explicative qualitatives
- Variables explicatives quantitatives
- Nature du modèle de la régression logistique simple
- Nature du modèle de la régression logistique multiple
Modèles de régression logistique
- Le modèle Logit
- Courbe sigmoïde
- Interprétation des coefficients
- Odds-ratios
- Parallèle odds ratios et risques relatifs
- Validation du modèle
- Diagnostics de qualité
- Taux de réussite
- Taux d'échec
- Vrais positifs, vrais négatifs, faux positifs, faux négatifs
- Utilisation du modèle à des fins de prédiction
Mise en œuvre et applications
- Applications de la régression logistique à des tableaux de contingence
- Applications à des variables explicatives continues
- Interprétation de sorties logiciels
Proposé par
GROUPE ARKESYS
"La formation maintenant pour vos talents de demain"
Proposé par
GROUPE ARKESYS