Formations, études, conseils. Le catalogue Ne jouez pas aux des avec vos donnees.

Transcription

1 Formations, étuds, consils L catalogu 2016 N jouz pas aux ds avc vos donns Statistiqus Formations 2016

2 SOMMAIRE Notr équip p. 3 Ls Etuds d donnés t consil p formations dispnsés par ds formaturs agréés p. 6 Notions fondamntals n statistiqus p. 7 Introduction au logicil R pour ls statistiqus p. 9 Traitmnt statistiqu ds ptits échantillons p. 11 Pratiqu t intrprétation ds analyss d varianc p. 13 Introduction à la méthod ds plans d xpérincs p. 15 Décrir t analysr ls donnés multifactorills p. 17 Décidr t prédir avc ds donnés multifactorills : analyss discriminants t régrssions p. 19 Introduction aux modèls mixts linéairs t non linéairs p. 21 L'nquêt : construction t analys ds qustionnairs p. 23 Analys statistiqu ds qustions ouvrts dans ls nquêts p. 25 Analys ds qustionnairs d nquêts p. 27 Utilisation avancé du logicil R pour ls statistiqus p. 29 Introduction à l'analys d donnés à haut débit avc l logicil R p. 31 Ls statistiqus bayésinns : introduction t pratiqu p. 33 Atlirs d traitmnt d donnés prsonnlls p Statistiqus Formations 2016

3 Notr équip, notr xpérinc Docturs t chrchurs n biologi. AnaStats st composé d un équip d quatr docturs n biologi, dont ls domains d compétncs sont différnts t complémntairs : psychologi, nuroscincs, éthologi, biologi marin t écologi. Chaqu mmbr a rçu un initiation différnt aux statistiqus c qui st un forc pédagogiqu pour notr équip. En fft nous avons appris ls statistiqus dans l cadr d formations initials diplômants jusqu à un nivau BAC+5, dans l cadr d la formation profssionnll mais aussi n tant qu utilisaturs ds statistiqus pour l analys d nos proprs donnés lors d nos activités d rchrch rspctivs. Toujours n quêt d nous prfctionnr, nous assurons un vill tchnologiqu qui nous prmt d proposr ds solutions innovants à nos clints. Formations, étuds t consil pour : l'inserm, l CNRS, l'inra, l'institut Pastur, ds grands écols, l'ifremer, IRSTEA, CEA, IRSN, BRGM, l'afssaps Ls Univrsités : Bordaux, Lyon, Paris-Didrot, Poitirs, Tours... Ls laboratoirs L Oréal, ESITPA - Laboratoir BioSol, Sanofi, Danon, CIBA, Avntis-Pastur, Wlla, IRIS PHARMA, RproPharm... L group ds assurancs LE FOYER (Luxmbourg), BorsodChm Zrt (Hongri), VEOLIA, Syngnta, GIDE Parc Astérix, SPAD, SUEZ... AnaStats collabor égalmnt au dévloppmnt d logicils d analys ds donnés Statistiqus Formations 2016

4 Ls formations à l utilisation ds statistiqus qu nous vous proposons n sont pas ordinairs Trois particularités ssntills : 1. Ells sont dispnsés par ds UTILISATEURS ds statistiqus Issus ds scincs biologiqus xpérimntals, ls formaturs sont forts d nombruss annés d'application ds statistiqus dans divrs domains d rchrch. Ils participnt régulièrmnt à la rchrch d solutions statistiqus aux problèms ds xpérimntalists. Ils ont assuré pndant plus d dix ans ds formations n dirction ds chrchurs t tchnicins d l'industri t du srvic public, dont ils partagnt l langag t ls préoccupations. Ils ont prfctionné au fil ds annés un nsignmnt ds statistiqus rigourux au plan théoriqu t néanmoins accssibl sans compétnc particulièr n mathématiqus. 2. Ells sont tournés vrs L EFFICACITE L choix d la méthod statistiqu la plus adapté à tl ou tl problèm st un qustion ssntill à résoudr n amont d tout analys. Pourtant, forc st d constatr qu ctt étap pos souvnt bin ds problèms aux utilisaturs. Explications t xrcics pratiqus donnront ici un solid formation aux participants. La connaissanc ds méthods statistiqus n suffit pas : ls stagiairs doivnt comprndr ls sortis fournis par ls logicils qu ils utilisnt. Ells sont passés n rvu, xaminés, analysés. L outil d calcul st mis à la porté d l utilisatur. Ds xrcics pratiqus sont réalisés par ls stagiairs ux-mêms sur ordinatur, prmttant un prmièr familiarisation avc ls logicils t un confrontation aux problèms concrts rncontrés lors ds analyss. Ls cours sont faits d manièr vivant, n intraction avc ls stagiairs, à l écout d lur dmand. Ls xmpls traités sont apportés par ls participants uxmêms, à partir d lurs préoccupations quotidinns. 3. Ells inclunt ls APPROCHES MODERNES La puissanc d calcul ds micro-ordinaturs a prmis l dévloppmnt d nouvlls tchniqus statistiqus, très bin adaptés aux situations concrèts rncontrés par ls utilisaturs : validations ds résultats par ré-échantillonnags, calculs adaptés aux ptits échantillons par ls méthods xacts d prmutations, xploration ds donnés multifactorills, échantillonnags Mont Carlo dans ds chaîns d Markov. Cs progrès récnts sont mis à la porté d tous Statistiqus Formations 2016

5 Srvic Etuds d donnés t Consil n statistiqus Très nombrux sont ls chrchurs, ls ingéniurs, ls industrils, ls gstionnairs confrontés à ds solutions statistiqus difficils à mttr n œuvr ou disposant d tablaux d donnés complxs dont «il y aurait crtainmnt ds informations intérssants à tirr» COMPETENCES TECHNIQUES Disposant ds millurs outils pour l analys ds donnés t d l xpérinc nécssair à lur utilisation, nous pouvons réalisr tout typ d traitmnt. Rchrch ds variabls ls plus snsibls à un traitmnt Qulls sont, parmi touts ls msurs ffctués, clls qui sont corrélés, t d qull manièr? Trouvr c qui caractéris au miux tl group d individus Modélisations Traitmnt ds donnés à haut débit Statistiqus bayésinns Analyss d qustionnairs Traitmnt ds qustions ouvrts CONSEIL Ls statistiqus s décidnt avant la récolt ds donnés Evitz d vous rtrouvr dans un impass au momnt d l analys d vos résultats. Faits appl à nous avant la mis n plac d votr protocol xpérimntal. COMMUNICATION Ecout d un dmand qui n st pas toujours formulé d mblé n trms statistiqus précis, rapports d analyss facilmnt utilisabls, lisibls par ls non spécialists, sont l résultat d notr grand xpérinc dans c domain, avc ds clints issus d miliux très divrsifiés (industri, commrc, rchrch scintifiqu, sociologi ) Nous pouvons égalmnt vous consillr pour vos plans d xpérincs ou analyss statistiqus à tous ls stads d votr étud. Vous avz ds donnés, n laissz pas s prdr l résultat d vos invstigations, n ls abandonnz pas au fond d un tiroir, n hésitz pas à nous n parlr! Statistiqus Formations 2016

6 14 formations dispnsés par ds formaturs agréés Vous trouvrz ci-dssous l organisation d nos formations C schéma prmt d miux appréhndr ls lins ntr cs nsignmnts t d miux comprndr ls prérquis détaillés dans ls pags suivants. Notions fondamntals n statistiqus Introduction au logicil R Analys d varianc Décrir ls donnés multifactorills Traitmnt statistiqu ds ptits échantillons L nquêt, construction t analys Utilisation avancé du logicil R Analys ds donnés haut débit (omiqus) Traitmnt statistiqu ds qustions ouvrts Analys ds donnés d nquêt, d qustionnairs Plans d xpérincs Modèls mixts t non linéairs Statistiqus bayésinns Décidr avc ds donnés multifactorills Un tarif dgrssif s'appliqura a partir d 3 formations facturs Statistiqus Formations 2016

7 1. Notions fondamntals n statistiqus Public concrné Tout prsonn ayant à traitr ds donnés, caractérisr ou comparr ds échantillons, analysr ds résultats d xpérincs, mais n disposant pas ds connaissancs d bas n statistiqus. Prérquis Savoir utilisr un tablur Objctifs Etr capabl d décrir un séri d valurs. Posr corrctmnt ls problèms qu ls statistiqus puvnt résoudr. Savoir choisir t mttr n œuvr l tst statistiqu adapté à chaqu situation. Savoir intrprétr ls sortis logicills corrspondants. Dans chaqu rubriqu on donn d abord ls princips d calcul, sans r- Méthod cours à ds notions mathématiqus complxs, n privilégiant un compréhnsion intuitiv. On indiqu ls limits ds tchniqus t ls conditions nécssairs pour ls appliqur. On ls mt n pratiqu n utilisant ls fonctions statistiqus du logicil Excl (un ordinatur par stagiair). On décrit t on intrprèt ls sortis logicills. On donn ds illustrations ds usags qu l xpérimntatur put fair d chaqu tchniqu. Ls situations concrèts rncontrés par ls stagiairs sont xaminés t discutés. Duré : Trois jours Intrntrpriss (Tours ou Bordaux) Un tour d horizon ds notions d bas indispnsabls pour abordr, comprndr t utilisr différnts méthods statistiqus. Dats : nous consultr Intra-ntrpris group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA. -7- Statistiqus Formations 2016

8 Notions fondamntals n statistiqus Programm Fonctions ds statistiqus Dscription (statistiqus dscriptivs) Aid à la décision (statistiqus décisionnlls) C qu disnt... t n disnt pas ls statistiqus Caractérisation d un échantillon Caractérisation d la tndanc cntral Tous cs aspcts sront étudiés dans l cas général t dans l cas ds ptits échantillons Caractérisation d la disprsion Rprésntations d la disprsion L cas ds donnés qualitativs Rprésntation, calcul d l intrvall d confianc d un proportion, msur d la tndanc cntral Tsts statistiqus d comparaisons Différnts échlls d msur t tsts corrspondants Formulation statistiqu d l hypothès du biologist Notion d hasard n statistiqus, problématiqu ds tsts, réflxion sur la rlation ntr taill d échantillon t risqu dans ls comparaisons d moynns Choix d un suil d risqu Notion d «hypothès null» (noté H 0) Risqus d prmièr t d scond spèc Hypothèss bilatérals t unilatérals Echantillons indépndants t séris d msurs appariés Puissanc d un tst Choix ds tsts t xrcics Comparaison d'un moynn obsrvé à un moynn théoriqu Comparaison d dux séris pairés Comparaison d dux échantillons indépndants Conditions d validité du tst t d Studnt Normalité ds distributions Homogénéité ds variancs ds dux groups Indépndanc ntr ls rrurs t ls ffts ds traitmnts Princips d l analys d varianc t ds comparaisons multipls (tsts "post hoc") Princip ds tsts non paramétriqus pour l traitmnt statistiqu ds ptits échantillons t ds donnés ordinals Rappls sur ls particularités ds ptits échantillons Ls tsts non paramétriqus: avantags t inconvénints Msur d la liaison ntr variabls quantitativs Liaison ntr 2 variabls quantitativs: la corrélation Introduir un causalité: la régrssion linéair simpl Msur d la rlation ntr variabls qualitativs : tst du Chi² t tst binomial -8- Statistiqus Formations 2016

9 2. Introduction au logicil R pour ls statistiqus Public concrné Tchnicins, ingéniurs ou chrchurs confrontés à l xploitation statistiqu ds donnés. Prérquis Bonn connaissanc ds notions fondamntals n statistiqus. Objctifs Ctt formation a pour but d initir ls participants à l utilisation du logicil, n s appuyant sur un grand nombr d applications courants. Ls intrfacs graphiqus sront privilégiés, n limitant l rcours aux ligns d commands. Méthod Après un présntation rapid d l'intrfac t d qulqus notions élémntairs du langag S, l'nsignmnt s'appui sur ls intrfacs graphiqus "R commandr" t son xtnsion "FactoMinR". L'utilisation d cs intrfacs prmt aux stagiairs d'êtr rapidmnt opérationnls, tout n assimilant très progrssivmnt ls possibilités offrts par ls commands par scripts. Ls stagiairs réalisnt tous ls xmpls ux-mêms t ds xrcics pratiqus à réalisr suls lur sont nsuit proposés. Duré : Trois jours Intrntrpriss (Tours ou Bordaux) nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris : group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA. L logicil R, logicil libr fonctionnant sur tout platform, st un outil très puissant, tant pour ls tsts statistiqus, l xploration ds donnés qu pour la réalisation d graphiqus d qualité. Outil intrnationalmnt rconnu, il st maintnant très facil d'abord grâc à d nombruss intrfacs à mnus déroulants. -9- Statistiqus Formations 2016

10 Introduction au logicil R pour ls statistiqus Programm Présntation du «Projt R» Concpts d bas du fonctionnmnt d R Utilisation d l aid t d la documntation disponibl sur la toil Ls bass du langag S. Calculs simpls dpuis la consol d R Gstion ds objts n mémoir : manipulr ls donnés t ls nrgistrr L'intrfac "Rcmdr" Importation d fichirs Gstion ds donnés Editr t modifir ls donnés, rnommr ds variabls, éliminr ds ligns ou ds colonns, mpilr ds variabls, gérr ls donnés manquants, rcodr ds variabls, découpr un variabl numériqu n classs Fonctions graphiqus simpls t rapids Statistiqus dscriptivs Matrics d corrélations t tsts d corrélation Tsts non paramétriqus Tsts sur ls rangs : Mann & Whitny, Wilcoxon, Kruskal & Wallis, Fridman, comparaisons multipls Tsts paramétriqus Tst d normalité, tsts d l'homogénéité ds variancs, puissanc t ffctifs nécssairs Tst t d Studnt t tst d Wlch Analyss d varianc à un dimnsion; à dux dimnsions; à msurs répétés: construction du modèl, vérifications, comparaisons multipls Régrssions linéairs Rprésntations graphiqus Construction t utilisation du modèl linéair pour la régrssion linéair simpl Vérification ds résidus: normalité, hétéroscdasticité, autocorrélation L'analys n composants principals avc l'intrfac "FactoMinR" Obsrvr t préparr ls donnés Choisir ds variabls activs t illustrativs, choisir ds axs rprésntés Lir t intrprétr ds graphiqus factorils Obtnir ds listings d résultats (valurs proprs, coordonnés, contributions ) Introduction aux graphiqus avc R Princips généraux, fonctions graphiqus principals t scondairs, ls paramètrs graphiqus t lur nrgistrmnt, utilisation ds symbols, ls graphiqus multipls conditionnés. L'intrfac GraphR Statistiqus Formations 2016

11 3. L traitmnt statistiqu ds ptits échantillons Public concrné Tchnicins, ingéniurs ou chrchurs confrontés au traitmnt statistiqu d ptits échantillons. Prérquis Ls connaissancs d bas n statistiqus sont très souhaitabls. Objctifs Décrir un ptit séri d donnés. Savoir choisir un tst adapté aux qustions qu l on s pos t aux donnés dont on dispos. Savoir comparr dux ou plusiurs échantillons, msurr l association ntr plusiurs variabls. Savoir mttr n œuvr cs tsts t intrprétr ls sortis logicills. Méthod Pour chaqu qustion étudié, l nsignmnt st divisé n quatr partis : 1. Princip ds tsts disponibls. Choix du tst corrspondant à la situation. 2. Méthod d calcul (manul ou informatisé). 3. Puissanc t conditions d validité. 4. Solutions logicills, mis n œuvr avc l logicil StatXact, xamn t intrprétation ds sortis. Duré : Trois jours Ls dévloppmnts d l informatiqu modifint grandmnt l paysag ds statistiqus. Ds tchniqus récnts prmttnt d abordr facilmnt t sûrmnt l analys ds ptits échantillons. Intrntrpriss (Tours ou Bordaux) nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris : group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr ign s n r t put il r l u d o m C ogic l l c av Nos formation sont xonérés d TVA Statistiqus Formations 2016

12 L traitmnt statistiqu ds ptits échantillons Programm Présntation théoriqu Rappls sur ls fonctions ds statistiqus Prmièrs réflxions sur la taill d l échantillon Rprésntation ds paramètrs d un échantillon Hypothèss t risqus Problématiqu d un tst statistiqu Dirctionnalité d l hypothès Risqu t taill d l échantillon Risqus d prmièr t d duxièm spèc Puissanc d un tst Trois famills d tsts Choix d un tst statistiqu Ls différnts échlls d msur Echantillons indépndants t séris d msurs appariés Paramétriqu ou non paramétriqu? Grill d choix d un tst non paramétriqu Exrcics d choix d un tst Ls tsts «xacts» ou tsts par prmutations Solutions logicills pour ls tsts non paramétriqus Réalisations pratiqus Présntation ds outils utilisés Comparaison d échantillons Msurs n échll d intrvall : séris appariés t indépndants, donnés cnsurés, échantillons stratifiés, comparaisons multipls Rprésntations graphiqus Résolution d xrcics n utilisant ds tsts sur ls rangs t ds tsts xacts Intrprétation ds résultats Ls msurs sont ds catégoris ordinals : échantillons indépndants t ds séris appariés Rprésntations graphiqus Résolution d xrcics n utilisant ds tsts sur ls rangs t ds tsts xacts Intrprétation ds résultats Ls msurs sont ds catégoris nominals Réalisation t intrprétation du tst du Chi² d bonn adéquation, du tst du Chi² d contingnc, du tst du Chi² xact, du tst binomial, du tst d McNmar, du tst xact d Fishr, du tst d Cochran Msur d la rlation ntr variabls Ls donnés sont n échll au moins ordinal : corrélation t concordanc Réalisation du tst d corrélation par rangs d Sparman ainsi qu d son calcul xact Calcul du cofficint d Kndall t du tst d concordanc d Kndall Ls donnés sont n échll nominal : cofficints d contingnc, cofficint Kappa d Cohn Statistiqus Formations 2016

13 4. Pratiqu t intrprétation ds analyss d varianc Public concrné Tout prsonn ayant à comparr ds échantillons, analysr ds résultats d xpérincs, mais n possédant pas un bonn maîtris ds méthods d analys d varianc. Prérquis Ls connaissancs d bas n statistiqus sont très souhaitabls. Objctifs Etr capabl d choisir la méthod d analys adapté à ss donnés t à sa problématiqu. Savoir apprécir si ls conditions d utilisation sont rspctés. Savoir préparr ss donnés t utilisr un logicil adapté. Savoir intrprétr ls sortis logicills corrspondants. Méthod Ls princips d calculs sont xposés sans rcours à ds notions mathématiqus complxs. On altrn xposés théoriqus t mis n pratiqu ds notions abordés à l aid du logicil XLSTAT t ds outils du tablur Excl. A la dmand, la formation put êtr réalisé avc l logicil R. Ls stagiairs réalisnt ux mêms ds applications nombruss à partir d situations xpérimntals très divrss (un ordinatur par stagiair). Ls sortis logicills sont xaminés t intrprétés n s aidant d rprésntations graphiqus. Duré : Trois jours Outil incontournabl pour l analys ds donnés issus d plans d xpérincs, l analys d varianc fait parti ds tsts statistiqus ls plus utilisés mais ll n n rst pas moins complx si l on s intérss à ss conditions d utilisation t à ss divrss variants Intrntrpriss (Tours ou Bordaux) nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA. ign s n r ut t p l u d o il r c C m i g o l avc l Statistiqus Formations 2016

14 Pratiqu t intrprétation ds analyss d varianc Programm L analys d varianc à un dimnsion Echantillons indépndants Objctif t hypothèss Princip général Calculs t intrprétations Conditions d validité, transformations d'échlls, puissanc Solutions non paramétriqus Comparaisons multipls Intérêts d prndr n compt plus d un dimnsion Analyss d varianc à plusiurs dimnsions Dans l cas d msurs indépndants suls, d séris appariés t du croismnt ds dux typs, d plans n blocs: Objctifs Princips t calculs Conditions d'application Comparaisons multipls Solutions non paramétriqus L modèl linéair t sa généralisation Modèl linéair La régrssion linéair simpl Analys d varianc t régrssion linéair Analyss multivariés d la varianc L analys d covarianc Généralisation du modèl linéair Statistiqus Formations 2016

15 5. Construction t analys ds plans d xpérincs Public concrné Tchnicins, ingéniurs, chrchurs ou doctorants confrontés à la mis n plac d protocols xpérimntaux, à l analys t à l intrprétation ds résultats qui n découlnt. Prérquis Analys d varianc t rudimnts du logicil R. Objctifs Initiation aux principaux plans d xpérincs dans l but d limitr l nombr d ssais t ls variations parasits. Choix d un plan d xpérincs adapté à un problématiqu t à ds contraints. Intrprétation ds résultats. Méthod L nsignmnt rpos sur un altrnanc constant ntr ds xplications théoriqus sans rcours à ds notions mathématiqus complxs t d nombruss applications pratiqus. Chaqu méthod st illustré par un xmpl n vrai grandur, rposant sur l domain d rchrch ds stagiairs. Ls stagiairs xécutnt à l'ordinatur avc l logicil R tous ls xmpls proposés t réalisnt nsuit d nombruss applications n autonomi. Duré : Trois jours La mis n plac d un plan d xpérincs st un outil préciux voir indispnsabl pour l optimisation d un protocol xpérimntal. Intrntrpriss (Tours ou Bordaux) nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris group d 12 prsonns au plus. Dats : à définir avc l clint. Facturs Drm Muscu Dos1 Dos2 Dos3 Vaccin Vaccin Vaccin Dos Dos Dos Voi Moynn Voi Répons Prix : nous consultr Nos formation sont xonérés d TVA. Graphiqu ds ffts moyns VaccinAVaccinBTémoin Facturs Statistiqus Formations 2016

16 Construction t analys ds plans d xpérincs Programm Rappl ds notions statistiqus d bas Variation contrôlé t non contrôlé Qulqus définitions : notions d variabl, population, échantillon, individu, échantillons indépndants t msurs appariés Exigncs méthodologiqus : randomisation, biais xpérimntaux Plans factorils complts t lur analys Définitions. Ecritur convntionnll. Calcul du nombr d xpérincs nécssairs dans un plan complt. Analys statistiqu t intrprétation Ls intractions : définition, calcul d l intraction dans un plan à dux facturs, rprésntation graphiqu, calculs avc plus d dux facturs, calculs t intrprétation dans l cas général Qustions d méthod Hypothèss t contraints statistiqus Choix du plan adapté à un problématiqu Rchrch d ffts d facturs L criblag (ou scrning) princip, création, analys ds résultats Plans fractionnairs princip, création, analys ds résultats Rchrch d un répons optimal Plans d xpérincs pour la réduction d la variation résidull Princip Plan n blocs complts : princip, création, analys ds résultats Plan n carré latin : princip, création, analys ds résultats Plan n carrés gréco-latins : princip, création, analys ds résultats Plans n blocs incomplts : princip, création, analys ds résultats Plans à surfac d répons Princip Ls plans composits cntrés : princip, création, analys ds résultats Tri d nouvaux produits Plans n blocs augmntés Princip, création, analys ds résultats Statistiqus Formations 2016

17 6. Décrir t analysr ls donnés multifactorills Public concrné Tchnicins, ingéniurs, chrchurs ou doctorants ayant à décrir ds grands tablaux d donnés quantitativs t/ou qualitativs. Prérquis Ls connaissancs d bas n statistiqus sont souhaitabls. Objctifs Décrir ds tablaux contnant d nombrux paramètrs quantitatifs t/ ou qualitatifs t parfois répétés sur ls mêms individus. Ls méthods nsignés prmttnt d savoir si divrs groups puvnt êtr formés à partir d crtains variabls ou d détctr ds associations ntr variabls. Méthod Pour chaqu qustion étudié, l nsignmnt comport un xplication d la méthod sans rcours à ds notions mathématiqus. Pour chaqu tchniqu on trait un xmpl n vrai grandur à l aid du logicil Spad. Dans tous ls cas on xamin ls sortis logicills t on insist sur ls règls t ls difficultés d intrprétation ds résultats. Ds aids à l'intrprétation sont systématiqumnt miss n pratiqu. Ls stagiairs réalisnt ux mêms ds analyss n autonomi. Ls statistiqus multifactorills prmttnt d xplorr d grands tablaux, d analysr ls procssus influncés par plusiurs facturs à la fois t d procédr à ds rgroupmnts d individus. Duré : Trois jours Intrntrpriss (Tours ou Bordaux) nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris : group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA. n s ig n r t t u p l C modu i l r a v c l l o g ic Statistiqus Formations 2016

18 Décrir t analysr ls donnés multifactorills Programm Introduction à l analys multifactorill ds donnés Problématiqu général ds approchs dscriptivs multifactorills Ls différnts typs d msurs t ls méthods corrspondants Donnés quantitativs : l analys n composants principals Exmpls variés d utilisations Princips généraux à partir d'un xmpl simpl Variabls activs t illustrativs Réalisation d'un analys n vrai grandur Aids à l intrprétation ds résultats d un ACP Vérification ds conditions d validité t transformations évntulls ds variabls Donnés qualitativs : l analys factorill ds corrspondancs L analys ds corrspondancs simpls Princip t réalisation Lctur du graph factoril Validation t aids à l intrprétation Pratiqu sur ds donnés n vrai grandur L analys ds corrspondancs multipls Objctifs t princip Mis n œuvr t intrprétation ds sortis logicills Validation t aids à l intrprétation Qulqus autrs méthods L'analys factorill multipl L'analys factorill d donnés mixts L analys canoniqu ds corrspondancs Ls méthods d classification ou clustring Méthod d agrégation Princip d la classification ascndant hiérarchiqu L critèr d WARD La lctur d un dndrogramm Rlations ntr ls classs d individus t ls variabls Partition d l arbr t dscription ds classs formés Validité d un classification Classification par la méthod ds cntrs mobils, princip t outils La classification dscndant hiérarchiqu, princip t outils Statistiqus Formations 2016

19 7. Décidr t prédir avc ds donnés multifactorills : analyss discriminants t régrssions Public concrné Tchnicins, ingéniurs ou chrchurs souhaitant prndr ds décisions à partir d grands tablaux d donnés. Ds compétncs n mathématiqus n sont pas nécssairs. Prérquis Maîtris d l analys d varianc. Objctifs Savoir choisir t utilisr ls méthods d régrssions t d'analyss discriminants prmttant d modélisr un phénomèn t d fair ds prédictions. Utilisr ds logicils adaptés t intrprétr ls résultats. Méthod L nsignmnt s appui sur l utilisation du logicil XLSTAT. Pour chaqu qustion étudié on donn un xplication sans rcours à ds notions mathématiqus complxs. Pour chaqu tchniqu, ls stagiairs traitnt un xmpl n vrai grandur, évntullmnt sur lurs donnés. On xamin ls sortis logicills n insistant sur ls difficultés d intrprétation. Modélisr ds phénomèns t fair ds prédictions à partir d tablaux d donnés complxs. Tout un panopli d outils à votr srvic. Duré : Trois jours Intrntrpriss (Tours ou Bordaux) nbr d stagiairs limité à 6 Dats : nous consultr Prix : nous consultr Nos formation sont xonérés d TVA group d 12 prsonns au plus. Dats : à définir avc l clint. 0.0 Intra-ntrpris : probabilité d'occurrnc d conduit à risqu 1.0 régrssion logistiqu dprssion n s ig n r t t u p l u C mod lr a v c l l o g ic i 8 10 Statistiqus Formations 2016

20 Décidr t prédir avc ds donnés multifactorills : analyss discriminants t régrssions Programm Analyss discriminants L analys discriminant linéair Fonctions d décision t d prévision Ls étaps d l analys, création d échantillons d stimation t d validation Intrprétation ds sortis logicills, matric d confusion, dscription ds classs Conditions d validité, validation croisé Prédiction d individus anonyms Autrs méthods d analyss discriminants Ls discriminants linéairs sur facturs Ls discriminants non linéairs Ls régrssions t lurs conditions d validité La régrssion linéair multipl Rprésntation graphiqu Calcul ds paramètrs d la régrssion t lur intrprétation Vérification ds conditions d validité Prédir un nouvll valur L modèl linéair généralisé La régrssion logistiqu (un cas d GLM) Intrprétation ds sortis logicills Sélction d modèls Courb ROC La régrssion PLS Intrprétation ds sortis logicills t ds graphiqus factorils Intrprétation ds résultats d la régrssion Classmnt ds variabls Estimation d la qualité du modèl. La sgmntation par arbrs binairs Princip La méthod Cart : construction, élagag, validation Dscription ds sortis logicills Lctur graphiqu d l arbr d sgmntation Matric d confusion Courb ROC Statistiqus Formations 2016

21 8. Introduction aux modèls mixts linéairs t non linéairs Public concrné Tchnicins, ingéniurs, chrchurs ou doctorants confrontés à l analys approfondi d donnés complxs linéairs t non linéairs t pouvant comportr ds mboîtmnts t/ou ds donnés dépndants. Prérquis Bonns bass n statistiqus, maîtris ds analyss d varianc t ds régrssions linéairs, bass du logicil R. Objctifs Savoir utilisr ls outils d modélisation adaptés aux modèls linéairs t non linéairs à ffts fixs t/ou à ffts mixts. Méthod Ds rappls sront d abord faits sur ls modèls linéairs fixs avant d abordr ls modèls linéairs mixts, ls modèls non linéairs (ffts fixs ou mixts) t l apprntissag statistiqu. La théori statistiqu st abordé si nécssair t sans rcours à ds notions mathématiqus complxs. Savoir utilisr ds outils prmttant d construir ds modèls prformants à partir d donnés complxs. Duré : Trois jours Intrntrpriss (Bordaux) nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris : group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA Statistiqus Formations 2016

22 Introduction aux modèls mixts linéairs t non linéairs Programm Généralités Objctif d la modélisation Différnts famills d modèls Différnts étaps d la construction t d l'analys d'un modèl Ls modèls linéairs à ffts fixs Rappls sur l modèl linéair simpl : ANOVA t régrssion linéair Modèl linéair généralisé Ls modèls linéairs mixts Exmpls variés t écritur ds modèls Méthods paramétriqus : choix d la méthod adapté, commands ds analyss t intrprétation ds résultats Méthods non paramétriqus : commands ds analyss t intrprétation ds résultats Modélisation non linéair à ffts fixs Princip général t différnts mods d'approch Choix d un fonction non linéair adapté aux donnés, commands t intrprétations Comparaisons d modèls Modélisation non linéair à ffts mixts Princip général Choix d un fonction, commands t intrprétations Comparaisons d modèls L apprntissag statistiqu Princip ds méthods algorithmiqus d sgmntation pour ds problématiqus d discrimination ou d régrssion Statistiqus Formations 2016

23 9. Introduction à l'nquêt par qustionnair Public concrné Tout prsonn ayant à réalisr ds nquêts t/ou réalisr l'analys statistiqu d donnés d nquêts. Ds notions d bas n statistiqus multifactorills sont souhaitabls. Prérquis Ls connaissancs d bas n statistiqus sont souhaitabls. Objctifs Savoir situr ls méthods d'nquêts t concvoir un qustionnair. S donnr ls moyns d évitr ls biais d échantillonnag. Savoir préparr ls qustions t n vérifir la qualité. Savoir choisir ls tchniqus d analys statistiqu n fonction d ss qustions t d la natur ds variabls. Méthod Pour chaqu qustion étudié, l nsignmnt comport un xplication d la méthod sans rcours à ds notions mathématiqus. Pour chaqu tchniqu, on xamin ls sortis logicills provnant d un xmpl, illustrant c qu ls différnts méthods puvnt apportr. La méthodologi d l'nquêt st un préalabl indispnsabl à ds analyss statistiqus intrprétabls. Duré : Trois jours Intrntrpriss (Tours) nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris : group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA Statistiqus Formations 2016

24 Introduction à l'nquêt par qustionnair Programm Ls méthods d rcuil d donnés t lurs objctifs Population, échantillon, variabls Donnés xpérimntals t donnés d obsrvation Méthods d analys Ls nquêts par qustionnair Enquêts dscriptivs Enquêts analytiqus Enquêts xpérimntals Méthodologi d l nquêt Objt d l étud Choix ds indicaturs Qull population intrrogr? Méthods t biais d échantillonnag Concvoir l qustionnair Bonns pratiqus du qustionnmnt Vérification ds donnés Qualité ds donnés Non-réponss Rdrssmnt d échantillon Ls différnts méthods d analys ds donnés d nquêt Msur d lin ntr dux variabls nominals Analys d tablaux croisant dux variabls nominals Analys d plusiurs variabls nominals Autrs méthods Statistiqus Formations 2016

25 10. Analys statistiqu ds qustions ouvrts dans ls nquêts Public concrné Tchnicins, ingéniurs ou chrchurs confrontés à l xploitation d donnés txtulls. Prérquis La connaissanc ds notions d bas ds statistiqus t ds méthods dscriptivs multivariés sont souhaitabls. Objctifs Savoir saisir, importr t décrir ds donnés n langag naturl. Analysr ls rlations ntr ls trms mployés t ls catégoris d répondants ou d txts. Rchrchr ds rgroupmnts dans ls répondants ou ls txts sur la bas d lur contnu lxical. Méthod L nsignmnt s appui sur l utilisation du logicil SPAD, disposant d un modul d analys lxical t d très nombruss méthods statistiqus multifactorills. A partir d un xmpl n vrai grandur, ls différnts phass du traitmnt sont xpliqués sans rcours à ds notions mathématiqus. A chaqu étap, l xplication st suivi d la réalisation pratiqu par ls stagiairs ux-mêms (un ordinatur par stagiair). Ls sortis logicills intrprétés. Un analys complèt d un qustion ouvrt prmt nsuit aux stagiairs d évalur lur acquisition d la méthod. Duré : Dux jours Intrntrpriss (Tours) nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris : group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA. Ds tmps importants sont ménagés pour la discussion ds situations concrèts rncontrés par ls stagiairs. Ds logicils spécialisés prmttnt aujourd hui l analys automatiqu ds langus naturlls. Ls méthods multivariés prmttnt un xploitation poussé d cs donnés, qustions ouvrts dans ls nquêts, ntrtins, vill tchnologiqu. n s ig n r t t u p C modul i l r a v c l l o g ic Statistiqus Formations 2016

26 Analys statistiqu ds qustions ouvrts dans ls nquêts Programm L qustionnair, qustions ouvrts t qustions frmés Saisi t préparation du txt La saisi t l importation Princip d un analys Préparation du txt, la lmmatisation Dscription du vocabulair Ls concordancs Ls sgmnts répétés L vocabulair caractéristiqu L analys du tablau lxical L analys ds corrspondancs simpls Ls calculs d l Analys Factorill ds Corrspondancs (AFC) Lctur du graph factoril d un AFC Validation t aids à l intrprétation d un AFC Construction du tablau lxical Analys ds corrspondancs La classification Princip d la classification ascndant hiérarchiqu Rlations ntr ls classs d individus t ls variabls L tablau individus x mots Construction du tablau individus x mots Dscription d un mot Etud d la structur «naturll» du txt Statistiqus Formations 2016

27 11. Analys ds qustionnairs d'nquêts Public concrné Chrchurs, ingéniurs, tchnicins, doctorants ayant à analysr ds qustionnairs comportant ds qustions frmés t/ou ouvrts. Prérquis Il st indispnsabl qu ls participants aint d bonns connaissancs ds outils statistiqus d bas (statistiqus dscriptivs, tsts d'hypothèss, intrvalls d confiancs, p-valu, suil d risqu). Objctifs Décrir t réalisr ds tsts d décision à partir ds donnés d qustionnairs. Méthod L'nsignmnt rpos sur un approch plus intuitiv qu mathématiqu ds méthods. Outr ls tchniqus d dscription t d'analys, un accnt particulir st mis sur l'intrprétation ds sortis logicills. Ls logicils utilisés puvnt êtr R ou SPAD. Ls stagiairs réalisnt d nombrux xrcics pratiqus. Duré : Trois jours Intrntrpriss (Tours) nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris : Utilisés massivmnt tant par ls srvics publics qu par ls ntrpriss, ls qustionnairs d'nquêts continnnt un quantité d'information trop souvnt sous-xploité. Apprnz ici à n pas n prdr un goutt. group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA Statistiqus Formations 2016

28 Analys ds qustionnairs d nquêts Programm Codag t qualité ds donnés Format ds tablaux Taux d réponss t d non-réponss Rdrssmnts Approchs dscriptivs Statistiqus sommairs t rprésntations graphiqus simpls. Dscriptions multifactorills : analys n composants principals analyss factorills simpl t multipl classification. Analys ds qustions ouvrts : lmmatisation du txt tablaux lxicaux t rlations ntr l vrbatim t ls réponss aux qustions frmés caractérisation ds répondants par lur discours. Approchs décisionnlls Variabls quantitativs : comparaisons d groups d répondants par ds tchniqus para t non paramétriqus. Variabls qualitativs : tst du chi² métriqus Statistiqus Formations 2016

29 12. Utilisation avancé du logicil R pour ls statistiqus Public concrné Tchnicins, ingéniurs ou chrchurs désirant apprndr à crér ds scripts complxs t à automatisr lur traitmnt statistiqu. Il n s agit pas ici d la création d packags. Prérquis Ls participants sont supposés avoir suivi «Introduction au logicil R». Si c n st pas l cas, ils doivnt possédr d bonns bass du logicil R t n statistiqus. Objctifs Savoir xploitr ls fonctionnalités avancés du logicil pour fair ds statistiqus, réalisr ds graphiqus, automatisr l traitmnt ds donnés t ls rapports. Pratiqur la création d scripts plus ou moins complxs, utilisr ds boucls, crér ss proprs fonctions. Méthod Chaqu sous-paragraph st accompagné d plusiurs applications pratiqus. Au moins un journé sra consacré à ds xrcics n autonomi, axés principalmnt sur l écritur d scripts contnant ds conditions t ds boucls plus ou moins complxs. Duré : Trois jours Intrntrpriss (Bordaux) nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris : group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA Statistiqus Formations 2016

30 Utilisation avancé du logicil R pour ls statistiqus Programm Introduction : rappls Ls éditurs Ls opératur t ls fonctions d manipulation d vcturs Utilisr ls boucls préprogrammés t construir ss proprs fonctions Ls fonctions préprogrammés : ls fonctions apply, by, rplicat, sq, Ls structurs classiqus d programmation : commands groupés, conditions (if, ifls), boucls (for, whil, rpat) La structur ds fonctions : définitions ds argumnts d un fonction, xmpls. Ctt parti sra très dévloppé : construction d fonctions simpls puis complxs, n particulir pour réalisr ds opérations répétitivs n boucls. L domain ds statistiqus sra privilégié. Débogag d un fonction L bootstrap Optimisr ls graphiqus Ls packags : bas, lattic, ggplot2 Utilisr Bas : typs d graphiqus disponibls ; xmpls. Utilisr lattic: améliorations ; graphiqus conditionnls ; xmpls. Utilisr ggplot2 : Avantags t inconvénint ; nouvau langag ; xmpls. Produir ds documnts à partir ds sortis R R Markdown Packags R2wd, RportRs Si l logicil R st rich d millirs d fonctions, il prmt aussi d'automatisr nombr d calculs n écrivant soi-mêm ds commands adaptés à ss donnés t aux rprésntations graphiqus souhaités. Un utilisation n routin d c logicil prmt ainsi un gain d tmps non négligabl dans l traitmnt statistiqu t dans la production d rapports clairs t d qualité Statistiqus Formations 2016

31 13. Introduction à l'analys d donnés à haut débit avc l logicil R Public concrné Chrchurs, ingéniurs, tchnicins, doctorants ayant à traitr ds donnés issus d spctrométri, d protéomiqu, d métabolomiqu ou génomiqu (ls omiqus). Prérquis Il st indispnsabl qu ls participants aint d bonn connaissancs ds outils statistiqus d bas (statistiqus dscriptivs, tsts d'hypothèss, intrvalls d confiancs, p-valu, suil d risqu, tc.). Objctifs Savoir tirr d l information intérssant à partir ds jux d donnés complxs obtnus par ls méthods d séqunçag haut-débit. Méthod Après un présntation général ds défis particulirs associés à c typ d donnés, on présnt ls méthods dscriptivs puis décisionnlls, sans rcours à ds notions mathématiqus complxs. Tout au long d la formation, ls stagiairs mttnt ls acquis n pratiqu n autonomi sur donnés rélls. Un rapid introduction au logicil R st proposé si nécssair. Duré : Trois jours Intrntrpriss nbr d stagiairs limité à 6 Dats : nous consultr Intra-ntrpris : group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA. Ls biologists sont maintnant très nombrux à produir ds donnés à haut débit. Ds millirs d variabls avc ds ptits ffctifs posnt ds problèms spécifiqus mais ls outils sont aujourd'hui disponibls pour répondr à cs défis Statistiqus Formations 2016

32 Introduction à l'analys d donnés à haut débit avc l logcil R Programm Introduction Donnés "OMIQUES", qu'st-c qu c'st? Donnés bruts t matrics d'xprssion Problématiqus t défis particulirs Logicils Pratiqu sur donnés rélls : manipulations préliminairs Chargmnt t résumé Qulqus graphiqus simpls Travaillr sur ls log d quantités Transformation d'un tablau d donnés n matric d'xprssion Contrôl d qualité ds donnés Filtrag non spécifiqu, Filtrag spécifiqu Statistiqus dscriptivs xploratoirs L'analys n composants principals (ACP) Classification ascndant hiérarchiqu (CAH) Hatmap Statistiqus décisionnlls Tsts usuls paramétriqus t non paramétriqus Analys d varianc (ANOVA) Automatisation ds calculs Comparaisons multipls L problèm d l'inflation du risqu alpha : l FDR Résumé d l'xprssion différntill, l "volcano plot" Autrs méthods décisionnlls : PLS-DA t RandomForst Pratiqu n autonomi sur ds jux d donnés rélls Statistiqus Formations 2016

33 14. Ls statistiqus bayésinns : introduction t pratiqu Public concrné Tchnicins, ingéniurs ou chrchurs désirant 1) comprndr d manièr intuitiv l princip ds statistiqus baysiénns t ls intérêts qu lls présntnt par rapport aux statistiqus convntionnlls, 2) mttr n application ls méthods bayésinns pour répondr à ds problématiqus plus ou moins complxs. Prérquis * Bonns connaissancs n statistiqus classiqus * Pratiqu courant d R ou d tout autr langag d programmation souhaité Objctifs Comprndr d manièr intuitiv l raisonnmnt t l calcul mis n ju n statistiqus bayésinns sans rcours à ds formuls mathématiqus complxs ; savoir chiffrr ss connaissancs ; savoir écrir ds modèls classiqus (régrssion, ANOVA, tc.) dans un univrs bayésin. Savoir manipulr ls logicils appropriés. Méthod Après un introduction théoriqu intuitiv, ludiqu t prsqu dépourvu d formuls mathématiqus complxs, ds modèls utilisés courammnt n statistiqus convntionnlls (régrssion, ANOVA, modèl mixt, tc.) sont mis n application dans Duré : Trois jours un univrs bayésin grâc aux logicils R t JAGS. Ds fichirs d ligns d cod sont fournis avc xplications Intrntrpriss (Bordaux) détaillés, d manièr à c qu ls participants puissnt nbr d stagiairs limité à 6 Dats : nous consultr ls adaptr à lurs proprs problématiqus à l issu d la formation. Intra-ntrpris : group d 12 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA Statistiqus Formations 2016

34 Ls statistiqus bayésinns: introduction t pratiqu Programm Théori Préambul t historiqu Qulqus problèms rncontrés n statistiqus classiqus, apport ds statistiqus bayésinns Quand utilisr ls statistiqus classiqus t quand utilisr ls statistiqus bayésinns? Form concptull t intuitiv du calcul bayésin Form mathématiqu du théorèm d Bays Dscription d un population : vision fréquntist vrsus vision bayésinn Limits du calcul analytiqu t utilité ds algorithms MCMC (Markov Chain Mont Carlo) Illustration d la march aléatoir d Mtropolis : Obélix fait d l inférnc Construir sa connaissanc a priori Trois objctifs d l inférnc rvus sous un angl bayésin : stimation, prédiction, comparaison Applications JAGS (Just Anothr Gibbs Samplr) Présntation/ installation JAGS qulqus nots sur la syntax Démarch systématiqu pour ctt formation Calcul d la dnsité d spècs dans un plous calcair Régrssion linéair simpl Analys d Varianc à un factur Analys d Varianc à dux facturs Modèl hiérarchiqu Imputation d donnés manquants Régrssion logistiqu multipl Ls statistiqus bayésinns sont un manièr différnt d construir la connaissanc par rapport aux statistiqus convntionnlls : lls offrnt la possibilité d mttr à jour c qu nous savons déjà à la lumièr d c qu nous apportnt nos xpérimntations t obsrvations, l tout dans un calcul très intuitif. Ells puvnt résoudr un grand nombr d problèms rncontrés n statistiqus classiqus (hétérosdastiscité, multicolinéarité, ptits échantillons, donnés manquants, modèls très complxs ). On s'attnd à c qu cs méthods rmplacnt ls outils classiqus d'inférnc dans ls annés à vnir Statistiqus Formations 2016

35 Atlir d traitmnt d donnés prsonnlls Public concrné Tchnicins, ingéniurs ou chrchurs souhaitant bénéficir d un soutin prsonnalisé pour la mis n œuvr d lurs analyss statistiqus à la suit ds formations. Prérquis Il st nécssair d avoir d bonns bass n statistiqus. Avoir suivi ls moduls aux typs d analyss nvisagés st très souhaitabl. Ls rudimnts du logicil R sont nécssairs si l atlir st réalisé avc ct outil. Objctifs Mttr n pratiqu ls nsignmnts ds moduls 1 à 7 sur ls donnés ds participants. Prmttr aux participants d appliqur ls acquis ds formations au contxt familir d lurs problématiqus, avc l soutin du formatur, d manièr à optimisr ls analyss d donnés un fois d rtour dans lur laboratoir. Méthod Duré : Dux jours Intrntrpriss : nbr d stagiairs limité à 6 Dats : nous consultr La présntation collctiv ds donnés prmt aux stagiairs d fair l point sur ls méthods qu ils dvront utilisr mais égalmnt d s associr à d autrs participants n fonction d la proximité d lurs donnés t/ ou d lur problématiqu pour travaillr collctivmnt t échangr. Par la suit, ls participants évolunt n total autonomi avc lurs donnés. L formatur fra n sort d partagr son tmps ntr ls stagiairs qui ont régulièrmnt bsoin d consils pour ls méthods utilisés t pour ls intrprétations statistiqus. Intra-ntrpris : group d 8 prsonns au plus. Dats : à définir avc l clint. Prix : nous consultr Nos formation sont xonérés d TVA. Mttr n application ls nsignmnts ds statistiqus sur ss proprs donnés garantit l assimilation ds nsignmnts t l gain d tmps dans la mis n rout du traitmnt d donnés Statistiqus Formations 2016

36 Atlir d traitmnt d donnés prsonnlls Programm Présntation ds donnés par ls stagiairs t discussions collctivs rlativs aux analyss. Rappls proprs au(x) logicil(s) t aux traitmnts statistiqus réalisés n fonction ds bsoins spécifiqus d chacun. Travail individul sur ls donnés prsonnlls avc l appui du formatur qui partag son tmps ntr ls participants. Ds rappls pourront êtr faits régulièrmnt slon ls bsoins. Synthès d l atlir d traitmnt d donnés par ls participants. Ctt étap prmt aux stagiairs d confrontr lurs avis sur ls différnts traitmnts réalisés, d ouvrir ds pists d réflxion t d dévloppr lur sns critiqu sur ls outils qu ils auront maîtrisés. Si bsoin, ds rappls d statistiqus sront formulés. Chaqu participant apportant à la fois sa problématiqu t ss donnés, clls-ci dvront êtr bin choisis t préparés à l avanc d manièr à prmttr l analys statistiqu sans avoir à rtravaillr la présntation du ou ds tablaux d donnés Statistiqus Formations 2016

37 Pour nous contactr courrils : carolin.viuill@anastats.fr svrin.montaudouin@anastats.fr sophi.dubois@anastats.fr Ls Vignaux F Rilly Sur Vinn Tél Statistiqus Formations 2016