ANALYSE-IT Anova et régression (régression simple) Mixte : présentiel / à distance

• Toute personne souhaitant mettre en œuvre les méthodes d'analyse de la variance, de régression avec mise en application sous Analyse-IT.

• 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, …

A l'issue de cette formation, l'apprenant sera capable de :

• Vérifier les conditions de mise en œuvre d'une ANOVA à un et plusieurs facteurs
• Comprendre les calculs de l'ANOVA et savoir "ce qui se passe derrière"
• D'interpréter les résultats d'une ANOVA
• Mettre en œuvre un test à postériori (Tukey, Bonferroni, Dunnett, …)
• D'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

Rappels sur l'utilisation d'Analyse-It (Adaptation rapide selon niveaux)

• Activation d'Analyse-It sous Excel
• Présentation des menus
• Balayage des fonctionnalités
• Structuration des données
• Organisation des données en mode réponse / facteur (Y/X)
• Paramétrage des variables
• Mise à jour et recalcul des analyses
• Accès aux options des analyses
• Navigation entre données et analyses
• Filtrage des données
• Exclusion de valeurs

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
• La 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 de moyennes multiples
• 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
• Signification des effets
• Significativité de l'interaction
• Comparaisons de moyennes multiples
• 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 modèle
• 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

• Vérifier les conditions de mise en uvre d'une ANOVA à un et plusieurs facteurs
• Comprendre les calculs de l'ANOVA et savoir "ce qui se passe derrière"
• Dinterpréter les résultats d'une ANOVA
• Mettre en uvre un test à postériori (Tukey, Bonferroni, Dunnett, )
• Dinterpréter le sens physique d'une interaction
• Connaître le contexte des Anova à mesures répétées
• Connaître le contexte des Anova hiérarchisées
• Mettre en uvre un modèle de régression linéaire simple et le valider
• Comprendre le contexte de la régression multiple

• Explications théoriques suivies de pratiques guidées puis de mises en autonomie.
• Exercices autonomes et réguliers pour assurer l'assimilation

Votre formation a lieu en présentiel :

• 1 vidéoprojecteur par salle
• 1 ordinateur

Votre formation se déroule à distance avec :

• 1 ordinateur
• 1 connexion Internet
• 1 adresse e-mail valide
• 1 équipement audio (micro et enceintes ou casque)
• 1 Webcam (facultatif – dans l'idéal)
• 1 deuxième écran (facultatif – dans l'idéal)

Votre formation se déroule sur notre plate-forme de formation avec :

• 1 ordinateur
• 1 connexion Internet
• 1 adresse e-mail valide
• 1 équipement audio (micro et enceintes ou casque - facultatif)

Support stagiaire :

À l'issue de la formation, les exercices et travaux pratiques réalisés, leurs corrigés ainsi qu'un support de cours dématérialisé sera fourni à chaque stagiaire par e-mail ou via la plate-forme FOAD.

L'acquisition des compétences de la formation se fait à travers le suivi du formateur tout au long de la formation (séquences synchrones et asynchrones). Elle s'appuie également sur la réalisation d'exercices et de TP. Enfin, des quiz s'ajoutent aux différents outils de validation de l'acquisition des compétences visées.

Une évaluation est systématiquement réalisée par chaque stagiaire, à l'issue de la formation.

Nos formateurs sont certifiés à l'issue d'un parcours organisé par nos soins. Ils bénéficient d'un suivi de maintien et d'évolution de leurs compétences aussi bien au niveau technique que pédagogique.

Chacun de nos formateurs a bénéficié d'une formation spécifique à l'animation de classe virtuelle et à l'utilisation des solutions de formation à distance du Groupe ARKESYS.