CONTACT
0

Introduction aux modèles mixtes linéaires et non linéaires

Savoir utiliser des outils permettant de construire des modèles performants à partir de données complexes.

Fiche formation

Description

Public concerné

Techniciens, ingénieurs, chercheurs ou doctorants confrontés à l’analyse approfondie de données complexes linéaires et non linéaires et pouvant comporter des emboîtements et⁄ou des données dépendantes.

Prérequis

Bonnes bases en statistiques, maîtrise des analyses de variance et des régressions linéaires, bonne maîtrise du logiciel R.

Objectifs

Savoir utiliser les outils de modélisation adaptés aux modèles linéaires et non linéaires à effets fixes et⁄ou à effets mixtes.

Méthode

Des rappels seront d’abord faits sur les modèles linéaires fixes avant d’aborder les modèles linéaires mixtes, les modèles non linéaires (effets fixes ou mixtes).
La théorie statistique est abordée si nécessaire et sans recours à des notions mathématiques complexes.

Durée et autres formalités

Durée : Trois jours

Interentreprises (Tours ou La Teste-de-Buch)

Nombre de stagiaires limité à 6.
Dates : nous consulter

Intra-entreprise

Groupe de 12 personnes au plus.
Dates : à définir avec le client.

Prix : nous consulter

Nos formations sont exonérées de TVA.
Un tarif dégressif s'appliquera à partir de 3 formations facturées.

Programme de la formation

Généralités
  • Variation contrôlée et non contrôlée
  • Définition et objectifs de la modélisation
  • Différentes familles de modèles
  • Stratégie en modélisation
Les modèles linéaires à effets fixes
  • Rappels sur le modèle linéaire simple : ANOVA et régression linéaire
  • Modèle linéaire généralisé
Les modèles linéaires mixtes
  • Présentation théorique
  • Analyse des plans en blocs complets
  • Modèles avec effets aléatoires croisés
  • Modèles avec effets hiérarchisés
  • Analyser les données longitudinales (mesures répétées)
  • Analyse paramétrique classique
  • Analyse non paramétrique
  • Introduction aux modèles linéaires généralisés (GLM) mixte avec l’exemple de la régression logistique mixte
  • Comparaisons de modèles
Modélisation non linéaire à effets fixes
  • Principe général et différents modes d'approche
  • Choix d’une fonction non linéaire adaptée aux données, commandes et interprétations
  • Comparaisons de modèles
Modélisation non linéaire à effets mixtes
  • Principe général
  • Choix d’une fonction, commandes et interprétations
  • Comparaisons de modèles
Annexes
  • Grille de choix d’un modèle
  • Fonctions pour l’analyse paramétrique des données longitudinales
  • Fonctions non linéaires courantes
  • Syntaxe des arguments ‘random’

CONTACT
Aperçu du panier