L'objectif de cet enseignement est double : (1) affiner les connaissances théoriques afin de rendre les étudiants autonomes dans la compréhension de nouvelles méthodologies, (2) acquérir les compétences pratiques de l’analyse de données complexes et de leur reproductibilité via le logiciel R.
Deux grands domaines sont proposés : les tests statistiques et le modèle linéaire.
- Les tests de rang (Wilcoxon, Kruskal-Wallis), complémentaires des tests classiques, permettent d’aborder la construction d’un test : statistique du test, variable aléatoire et décision. Les tests de ré-échantillonnage permettent de s’affranchir de certaines conditions d’application des tests classiques et de proposer des outils de validation de méthode (Bootstrap, Jackniffe).
- Le modèle linéaire est étudiée à travers une présentation unifiée (théorèmes de Pythagore, de Cochran et des trois perpendiculaires). Sont ainsi revisitées les régressions linéaires, analyses de variances et analyse de covariance.
Les travaux dirigés sous R abordent :
- le recueil et la visualisation des données ;
- les tests appariés paramétriques et non paramétriques ;
- la pratique du modèle linéaire : choix, représentations graphiques et validation.
