Ce cours permet d’apprendre la statistique à l’aide du logiciel libre R. Le recours aux mathématiques est minimal. L’objectif est de savoir analyser des données en comprenant ce que l’on fait. Ce cours permet d’apprendre la statistique à l’aide du logiciel libre R.
Le recours aux mathématiques est minimal. L’objectif est de savoir analyser des données, de comprendre ce que l’on fait, et de pouvoir communiquer ses résultats.
Ce cours s’adresse aux étudiants et praticiens de toutes disciplines qui recherchent une formation pratique. Il sera utile à toute personne ayant le besoin d’analyser un jeu de données réel dans le cadre d’un enseignement, de son activité professionnelle ou de recherche, ou par simple curiosité d’analyser un jeu de données par soi-même (données du web, données publiques…).
Le cours s’appuie sur le logiciel libre R qui est un des logiciels de statistique les plus puissants disponibles actuellement.
Les méthodes abordées sont : les techniques descriptives, les tests, l’analyse de variance, les modèles de régression linéaire et logistique, les données censurées (de survie).
Format
Le cours comprend deux volets :
- des chapitres de cours abordant des notions de statistiques et des connaissances essentielles sur le logiciel R
- des "labs": vidéos de pratique du logiciel R sous l’interface RStudio.
Chaque semaine, 4 à 6 vidéos de cours d’une dizaine de minutes et un “lab” seront mis en ligne.
Plan du cours
Semaine 1
Introduction aux statistiques et à R,description d’une variable
Introduction
Chapitre 1 : Définitions
Chapitre 2 : Représentations graphiques
Chapitre 3 : Mesures de position et de dispersion : les principes
Chapitre 4 : Mesures de position et de dispersion : la pratique
Lab 1 : Introduction à R studio, manipulation des fichiers et des variables
Semaine 2
Intervalles de confiance, association entre variables
Chapitre 5 : Intervalles de confiance
Chapitre 6 : Coefficient de corrélation
Chapitre 7 : Risque relatif et odds-ratio
Lab 2 : Manipulation de données, résumés numériques et graphiques
Lab 3 : RMarkdown et rapport automatisé
Semaine 3
Tests statistiques et pratique des tests
Chapitre 8 : Tests statistiques : le “p”
Chapitre 9 : Tests statistiques : l’approche de Neyman et Pearson
Chapitre 10 : Comparaison de deux pourcentages
Chapitre 11 : Comparaison de deux moyennes
Chapitre 12 : Test de nullité d’une corrélation, divers
Lab 4 : Mesures d'association, tests statistiques, update sur RMarkdown
Semaine 4
Régression linéaire simple et multiple, régression logistique
Chapitre 13 : Régression linéaire simple
Chapitre 14 : Régression linéaire, corrélation et test t
Chapitre 15 : Régression linéaire multiple, analyse de variance
Chapitre 16 : Introduction à la régression logistique
Chapitre 17 : Régression logistique multiple
Lab 5 : Régression linéaire et logistique
Semaine 5
Données de survie (censurées), méthodes exploratoires multidimensionnelles
Chapitre 18 : Données de survie ou censurées
Chapitre 19 : Tests et modèles pour données censurées
Chapitre 20 : Introduction aux méthodes exploratoires multidimensionnelles
Chapitre 21 : Analyse en composantes principales
Chapitre 22 : Classification hiérarchique
