Analyse statistique - Niveau 2

Vous êtes statisticien et souhaitez approfondir vos connaissances en modélisation statistique sous SAS. A l'issue de cette formation, vous saurez mettre en oeuvre la méthodologie statistique, valider les hypothèses d'utilisation de différents modèles statistiques et donc choisir par ce biais le modèle adapté à votre question métier.

• La mise en oeuvre des méthodes d'analyse avec SAS
• La mise en oeuvre de la méthodologie de construction
• L'analyse de la validité de modèles
• L'utilisation de stratégies d'analyse alternatives

A qui s’adresse cette formation ?

les analystes

Formats de formation disponibles	Durée standard (peut varier selon les sessions. Se référer au calendrier)
Formations présentielles:	3 jours
Formations à distance:	6 sessions d'une demi-journée chacune
e-Learning:	21 heures/180 jour licence

Télécharger le descriptif de la formation
Pour visualiser le taux de satisfaction et le taux de performance de ce cours cliquez ici.

Avant de suivre cette formation, vous devez :

• Avoir suivi la formation “Programmation SAS I : fondamentaux” (formation PROG1).
• Avoir des notions sur les modèles de régression. Pour acquérir ces connaissances, le suivi de la formation “Analyse statistique - Niveau 1” est conseillé
  Pour plus d'information sur le déroulé de la formation, la logistique, l'organisation, consultez notre livret d'accueil en cliquant ici.
  
  Afin de vous conseiller sur votre parcours de formation, veuillez nous retourner ce document par mail à formation@sas.com.
  

Cette formation concerne SAS/ETS, SAS/STAT logiciel

• Régression linéaire simple et multiple
• Régression polynomiale : construction et évaluation du modèle

• Modèle linéaire généralisé avec la procédure GENMOD
• Modèle non linéaire avec la procédure NLIN
• Construction d’un modèle d’analyse de variance
• Interprétation des termes d’interaction

• Personnalisation des tests d’hypothèses avec les instructions CONTRAST et ESTIMATE
• Introduction aux modèles mixtes
• Analyse de covariance
• Analyse de covariance en créant des variables indicatrices
• Comparaison des méthodes

• using the GENMOD procedure to fit Poisson and negative binomial regression models
• using the GLIMMIX procedure to fit gamma regression models

• performing linear mixed model analysis with PROC GLIMMIX