Statistique Descriptive Et Régression Avec R

Statistique descriptive

• Sélection et édition des observations
• Représentation des distributions statistiques univariées par des tableaux (fonction table()) et par des diagrammes (fonction plot)
• Représentation des distributions sous forme de tableaux
• Édition des caractéristiques de position (moyenne, médiane, quantiles..), de dispersion (variance, écart-type….)
• Édition d’indicateurs de liaison entre variables (statistique du khi-deux, V de Cramer, coefficient de corrélation linéaire…)

Régression multiple

• Études préalables à la construction d'un modèle : représentation graphique des individus et des variables ; matrice de corrélation, analyses factorielles
• Présentation du modèle (fonction lm) : estimation des paramètres, tests, étude de la qualité du modèle. Étude des résidus
• Les méthodes de régression pas à pas (fonction step), choix du "meilleur" modèle

Régression logistique

• Rappel des principes de la régression logistique binaire (fonction glm)
• Sélection de modèle (fonction step)
• Résumé des tests de validité générale
• Interprétation des coefficients de la régression logistique
• Courbe de ROC (représentation de la capacité prédictive du modèle)