JMP® : ANOVA et Régression

Cette formation permet de découvrir différents modèles statistiques ainsi que leur contexte d’utilisation et de pouvoir les mettre en œuvre en utilisant l’interface JMP®.

• Comparer les moyennes de 2 groupes à l’aide du test de Student
• Construire et interpréter une analyse de variance pour comparer les moyennes de plus de 2 groupes
• Analyser la relation entre des variables quantitatives avec le modèle de régression linéaire
• Développer un modèle d’analyse de covariance pour tenir compte de données quantitatives et qualitatives
• Valider les hypothèses sous jacentes au modèle construit

A qui s’adresse cette formation ?

Formats de formation disponibles	Durée standard (peut varier selon les sessions. Se référer au calendrier)
Formations présentielles:	2.0 jours
Formations à distance:	4 sessions d'une demi-journée chacune
e-Learning:	14 heures/180 jour licence

Télécharger le descriptif de formation

• Avoir suivi la formation « JMP® : Exploration des données statistiques ».
• Bonne connaissance de la théorie sous jacente aux modèles statistiques (Analyse de variance et Régression linéaire) présentés pendant la formation.
  
  Une journée de formation supplémentaire peut être proposée pour acquérir ces notions théoriques.
  

Cette formation concerne JMP logiciel

• Notions de populations et d’échantillons
• Explorer des données à l’aide de statistiques descriptives et de graphiques
• Comprendre la notion d’intervalle de confiance
• Comprendre la notion de tests d’hypothèses

• Comparer des moyennes de 2 groupes : tests sur des échantillons indépendants, des échantillons appariés
• Estimer un modèle d’analyse de variance à un facteur
• Comparer plusieurs groupes avec les méthodes de comparaisons multiples
• Estimer un modèle d’analyse de variance à N facteurs
• Valider les hypothèses du modèle
• Personnaliser ces tests d’hypothèses avec les contrastes
• Puissance des tests et tailles d’échantillons requises

• Utiliser les nuages de points et calculer le coefficient de corrélation
• Construire un modèle de régression simple et multiple
• Estimer un modèle de régression polynomiale
• Estimer un modèle de régression multiple avec des interactions
• Méthodes de sélection du meilleur modèle
• Valider les hypthèses du modèle
• Détecter des observations influentes
• Détecter des problèmes de colinéarité

• Estimer un modèle de covariance avec ou sans interactions