Modèles Mixtes – Introduction

Cette formation s’adresse à des personnes souhaitant s’initier aux analyses statistiques de type modèles mixtes : ANOVA à mesures répétées, ANOVA à facteurs imbriqués, ANOVA comportant des facteurs à effets aléatoires…

La formation conviendra tout à fait à un public venant chercher du savoir statistique sur :

• • la compréhension générale des modèles mixtes, leurs avantages,
  • les contextes d’utilisation des modèles mixtes,
  • les grandes lignes des concepts mathématiques inhérents à ces modèles,
  • la mise en œuvre et l’interprétation des résultats de ces modèles.

• Mettre en œuvre et interpréter les résultats d’une ANOVA multi-facteur,
• Expliquer la notion d’interaction entre facteur,
• Expliquer le contexte d’application,
  • Des ANOVA à mesures répétées,
  • Des ANOVA hiérarchisées,
  • Des modèles linéaires mixtes,
• Vérifier les conditions de mise en œuvre d’un modèle mixte,
• Faire la différence entre un facteur à effets fixes et un facteur à effets aléatoires,
• Comprendre les conséquences mathématiques et biologiques de l’introduction d’un facteur à effets aléatoires,
• Mettre en œuvre un modèle mixte (à effets fixes et aléatoires, à mesures répétées, à facteur imbriqué),
• Interpréter les sorties logiciel : coefficients du facteur à effets aléatoires, moyennes ajustées.

 

De bonnes connaissances sur les outils statistiques de base : statistiques descriptives, tests d'hypothèses, intervalles de confiance, P-Value, risque alpha... Bonnes connaissances sur l'ANOVA

Tout public

• Mettre en œuvre et interpréter les résultats d’une ANOVA multi-facteurs,
• Maîtriser le vocabulaire et les contextes d’applications des modèles mixtes,
• Comprendre les conséquences de l’introduction d’un facteur à effets aléatoires dans le modèle,
• Mettre en œuvre et interpréter les résultats de différents plans expérimentaux de type modèle mixte.

Les formateurs de Seenovate sont des consultants expérimentés et certifiés. Ils appuient leur pédagogie sur leur expertise terrain en conseil et en réalisation de projet en statistique et data science.

Méthodes et moyens : 

• Une convention de formation
• Une enquête en amont sur les attentes des stagiaires
• Feuilles d’émargement signées à chaque session
• 1 vidéoprojecteur par salle / 1 poste de travail par stagiaire
• Explications théoriques suivies de pratiques guidées puis mises en autonomie

Méthode d’évaluation des acquis : 

• Quiz et exercices d’applications tout au long de la formation
• Evaluation de fin de stage
• Attestation de suivi de formation

Support stagiaire :  

• Support de cours électronique (dématérialisé) / En français