JMP Anova et régression (régression simple) Mixte : présentiel / à distance

• Personne souhaitant mettre en œuvre les méthodes d'analyse de la variance, de régression avec mise en application sous JMP.

• 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 avec JMP de :

• Vérifier les conditions de mise en œuvre d'une ANOVA à un et plusieurs facteurs.
• Comprendre les calculs de l'ANOVA
• Interpréter les résultats d'une ANOVA
• Mettre en œuvre un test a posteriori (Tukey, Bonferroni, Dunnett, …)
• 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

Prise en main de l'interface de Jmp (si nécessaire)

• Généralités et interface utilisateurü Gestion et organisation des données
  • Gestions des fichiers générés sous Jmp
  • Utilisation des barres d'outilsü Présentations des menus
  • Présentations des différentes analyses statistiques disponibles
• Paramétrage de la feuille de donnéesü Définition des variables
  • Paramétrage des types de variables
  • Création de formules
  • Gestion des données
  • Saisie, Ajout, Suppression de données
  • Sélection de données
  • Filtrage de données dans les analyses
  • Filtrage de données par les graphiques
  • Structuration, manipulation des données (split, stack…)
  • Importation d'un fichier de données (Excel)
• Gestion des analysesü Paramétrage des variables
  • Gestion des fenêtres d'analyses
  • Gestion des scripts
  • Sauvegarde des scripts
  • Mise à jour d'une fenêtre d'analyse
  • Association feuille de données & Analyses
  • Edition de scripts (Découverte des principes)
• Outils divers
  • Configuration du logiciel
  • Paramétrage de base
  • Utilisation de l'aide
• Outils graphiques
  • Manipulation de graphiques
  • Exploration de données via les graphiques
• Personnalisation de graphiques

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
• 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 multiples des moyennes
• 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
  • Significativité des effets
  • Significativité de l'interaction
• Comparaisons multiples des moyennes : 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 modèleü 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

• Connaître le contexte des Anova à mesures répétées
• Connaître le contexte des Anova hiérarchisées
• Comprendre le contexte de la régression multiple
• Comprendre les calculs de l'ANOVA
• Interpréter les résultats d'une ANOVA
• Interpréter le sens physique d'une interaction
• Vérifier les conditions de mise en œuvre d'une ANOVA à un et plusieurs facteurs
• Mettre en œuvre un test a posteriori (Tukey, Bonferroni, Dunnett, …)
• Mettre en œuvre un modèle de régression linéaire simple et le valider

• 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.