Logiciel R Niv Avancé, statistiques [ ANNULEE ]

• Stage
•   Actions régionales
•   Techniques spécifiques

Objectifs

Cette formation s'adresse à des personnes souhaitant se perfectionner dans l’utilisation du logiciel R dans un contexte de programmation et d’automatisation du traitement de leurs données. Elle conviendra à des utilisateurs de R venant chercher du savoir-faire logiciel sur la programmation « avancée » : utilisation des boucles, des tests conditionnels, création de fonctions d’automatisation performantes…
Il ne s’agit donc pas d’une formation sur le fond statistique mais bien d’une formation orientée logiciel. En outre, cette formation n’est pas adaptée aux apprenants à la recherche d’un savoir-faire sur la mise en œuvre des analyses statistiques sous R.

Public

Chercheurs, ingénieurs et techniciens souhaitant se perfectionner dans l’utilisation du logiciel R dans un contexte de programmation et d’automatisation du traitement de leurs données

Les agents non CNRS doivent demander au préalable l’accord de leur employeur pour la prise en charge financière (entre 300 € et 450 € HT selon le nombre de participants).

Pré-requis

Il est INDISPENSABLE que l’apprenant soit déjà un utilisateur du logiciel R. La création et la manipulation des objets sous R, l’importation des données, l’utilisation de R en mode script ou en mode console sont des pré-requis essentiels pour s’inscrire à cette formation.

Programme

Revoir les fondamentaux sur le logiciel R
· Fonctionnement général du logiciel et documentation en ligne
· Conseils sur l’organisation d’un projet R
· Affichage, sauvegarde, suppression et chargement des objets en mémoire
· Importation des données contenues dans un classeur Excel, un fichier texte ou CSV
· Installation et utilisation d’un package
· Utilisation d’interfaces type Rcmdr
· Trucs et astuces

Structurer et extraire de l’information d’un tableau de données
· Création et manipulation efficace des variables qualitatives et quantitatives
· Gestion des données manquantes
· Création de tableaux de synthèse (tableaux croisés)

Revoir la mise en oeuvre des analyses statistiques de base sous R
· Analyse descriptive des données
· Intervalles de confiance
· Tests d’hypothèse paramétriques et non paramétriques
· Comparaison des moyennes (Student)
· Comparaison des médianes (Wilcoxon, Mann-Whitney)
· Comparaison des variances (Fisher)
· Comparaison de proportions ( )
· Test de Normalité (Shapiro-Wilk) et QQ-plot
· Rappels sur les graphiques
· Présentation de la bibliothèque lattice, spécialisée dans les graphiques conditionnels : un atouts pour les modèles à plusieurs facteurs

Mettre en oeuvre une ANOVA sous R
· Les commandes aov() et lm()
· Mise en oeuvre d’une ANOVA à un facteur
· Tableau d’analyse de la variance et estimation des coefficients du modèle
· Vérification des conditions d’utilisation du modèle : Normalité et homogénéité des dispersions (test de Bartlett, test de Levene)
· Représentation graphique des résultats de l’analyse
· Tests post-Hoc (comparaisons multiples)
· Les commandes de base (TukeyHSD, paiwise.t.test)
· Package spécifique (multcomp)
· Tests non paramétriques : Kruskal-Wallis, Friedman
· Mise en oeuvre d’une ANOVA multi-facteurs
· Éléments de syntaxe : *, |, /, Error…
· Effets simples, effets croisés
· Graphique des interactions
· Somme des carrés de type I, de type II et de type III

Mettre en oeuvre une régression linéaire sous R
· Ecriture d’un modèle : les fonctions, les operateurs
· Régression linéaire simple
· Régression linéaire multiple
· Tableau d’analyse de la variance et estimation des coefficients du modèle
· Vérification des conditions d’utilisation d’une régression linéaire
· Normalité des résidus
· Homogénéité des résidus
· Prédiction et intervalles de confiance d’une prédiction
· Diagnostic des problèmes de multicolinéarité
· Régression linéaire pas à pas

Réaliser une analyse factorielle multivariée et une classification sous R
· Présentation des principaux packages
· ACP (Analyse en Composantes Principales)
· CAH (Classification Ascendante Hiérarchique) sur coordonnées d’une ACP