Recherche avancée
Par formation
Par date
Par ville
logo HUB Formation
Organisme de Formation
aux Technologies et métiers de L'informatique
La pédagogie au service de la technologie
Accueil > éditeurs > SAS > JMP® : ANOVA Analyse de variance et Régression

JMP® : ANOVA Analyse de variance et Régression

Cette formation permet de découvrir différents modèles statistiques ainsi que leur contexte d’utilisation et de pouvoir les mettre en œuvre en utilisant l’interface JMP®.

Objectifs

  • Comparer les moyennes de 2 groupes à l’aide du test de Student
  • Construire et interpréter une analyse de variance pour comparer les moyennes de plus de 2 groupes
  • Analyser la relation entre des variables quantitatives avec le modèle de régression linéaire
  • Développer un modèle d’analyse de covariance pour tenir compte de données quantitatives et qualitatives
  • Valider les hypothèses sous jacentes au modèle construit

Public

  • statisticiens
  • chargés de recherche
  • analystes et dataminers

Prérequis

  • Avoir suivi la formation « JMP® : Exploration des données statistiques ».
  • Bonne connaissance de la théorie sous jacente aux modèles statistiques (Analyse de variance et Régression linéaire) présentés pendant la formation.

Programme de la formation

Introduction à la statistique

  • Notions de populations et d’échantillons
  • Explorer des données à l’aide de statistiques descriptives et de graphiques
  • Comprendre la notion d’intervalle de confiance
  • Comprendre la notion de tests d’hypothèses

Analyse de variance

  • Comparer des moyennes de 2 groupes : tests sur des échantillons indépendants, des échantillons appariés
  • Estimer un modèle d’analyse de variance à un facteur
  • Comparer plusieurs groupes avec les méthodes de comparaisons multiples
  • Estimer un modèle d’analyse de variance à N facteurs
  • Valider les hypothèses du modèle
  • Personnaliser ces tests d’hypothèses avec les contrastes
  • Puissance des tests et tailles d’échantillons requises

Régression linéaire

  • Utiliser les nuages de points et calculer le coefficient de corrélation
  • Construire un modèle de régression simple et multiple
  • Estimer un modèle de régression polynomiale
  • Estimer un modèle de régression multiple avec des interactions
  • Méthodes de sélection du meilleur modèle
  • Valider les hypthèses du modèle
  • Détecter des observations influentes
  • Détecter des problèmes de colinéarité

Analyse de covariance

  • Estimer un modèle de covariance avec ou sans interactions