Introduction à la Statistique avec R (FUN)

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