| |
Titre+ |
Résumé |
Durée (jours) |
 |
L'analyse de la variance |
L’atelier présente les outils disponibles pour comparer deux groupes ou plus sur une variable quantitative.
Il débute par le cas le plus simple du test de Student et ses variantes pour comparer deux groupes et couvre ensuite des situations de complexité croissante : l’analyse de la variance à un facteur puis l’ANOVA à plusieurs facteurs en mettant l’emphase sur la spécification et l’interprétation des interactions.
Pour chaque situation, l’accent est mis sur les conditions d’application, leur vérification, les méthodes alternatives et bien sûr l’interprétation complète des tableaux de résultats fournis par les logiciels statistiques ainsi que les outils graphiques pertinents.
Enfin, le principe des techniques de comparaisons multiples utilisées pour localiser les différences détectées par l’ANOVA est aussi exposé. |
1.0 |
 |
Introduction à la planification d'expériences |
Les plans d'expériences constituent des stratégies efficaces pour concevoir l'expérimentation de manière à minimiser le nombre d’essais à réaliser et, simultanément, à maximiser le nombre facteurs ou paramètres étudiés. Ils permettent aussi la simplification des analyses statistiques et l’interprétation claire et nette des résultats.
Construction de plans d'expériences
Apprenez à mettre en place des expériences visant à comparer deux groupes ou plus. Rendez vos tests efficaces et informatifs grâce à l'utilisation de plans factoriels. Tout au long de l'atelier, l'emphase est mise sur l'impact des différentes sources de variabilité dans les expériences et les manières de les contrôler.
Principe des calculs de taille d'échantillon
Découvrez quels sont les différents paramètres nécessaires au calcul de taille d'échantillon dans une expérience et comment les utiliser afin de déterminer le nombre d'essais requis.
Analyse statistique des données provenant d'expériences planifiées
Apprenez comment effectuer l'analyse des données recueillies lors d'expériences planifiées. L'atelier couvre d'abord le test de Student (test de t) qui est l'outil utilisé pour comparer deux groupes, puis l'analyse de la variance à un facteur pour comparer plus de deux groupes et finalement l'analyse de la variance à plusieurs facteurs. En outre, le principe sous-jacent aux méthodes de comparaisons multiples utilisées pour localiser les différences entre les groupes est expliqué et différentes variantes sont présentées. |
2.0 |
 |
Calcul des tailles d'échantillon et de puissance |
Le calcul de taille d'échantillon et la détermination de la puissance des études constituent des étapes cruciales dans la mise en place de projets de R&D. En effet, les études doivent être suffisamment grandes pour mettre en évidence les effets cliniques ou biologiques recherchés et elles doivent permettre l'utilisation efficace des ressources.
Cette formation fournit aux participants les concepts fondamentaux permettant de comprendre quels sont les intrants essentiels dans la détermination de la taille d'échantillon pour atteindre un niveau donné de puissance et de précision des tests statistiques. |
0.5 |
 |
Planification d'expériences avancée |
Cette formation décrit certains plans d'expériences avancés à utiliser pour prendre en compte différentes contraintes auxquelles les expérimentateurs font face : temps, ressources limitées, hétérogénéité du matériel, mesures répétées sur sujets, contraintes à la randomisation. Elle traite aussi de l'analyse statistique des données et de leur interprétation pour chacun des plans étudiés.
|
2.0 |
 |
Plans de criblage |
Cette formation d’une journée traite de la construction de plans d'expériences avancés pour sélectionner les facteurs d’intérêt dans une expérience. Ces plans nécessitent peu d’essais et permettent d'optimiser le temps et les coûts de cette phase souvent préliminaire à des études ultérieures. |
1.0 |
 |
Méthodes de surface de réponse et plans d'optimisation |
Cette formation de deux jours traite de la construction de plans d'expériences avancés pertinents pour optimiser un procédé et/ou une formulation et qui nécessitent peu d’essais pour atteindre cet objectif. |
2.0 |
 |
Les outils essentiels de la statistique |
Cette formation fournit une introduction aux principes et aux concepts de base en statistique. La première partie traite de méthodes classiques autant qu’originales utilisées pour décrire les données à l’aide d’outils numériques et graphiques. Ces méthodes sont utiles, entre autres, afin de détecter des données aberrantes communément appelés « outliers ».
La seconde partie présente, à l’aide d’exemples réels, le mécanisme des tests statistiques et la prise de décision en présence d’incertitude. Les risques alpha et beta, les p-values (seuils de signification observés), la notion de puissance, de niveau de confiance et les intervalles de confiance sont expliqués en termes simples.
Cet atelier fournit une base indispensable à la bonne compréhension de la plupart des méthodes couramment utilisées. |
1.0 |
 |
Tests non-paramétriques |
Cette formation couvre les concepts statistiques de base nécessaires à la compréhension des tests non-paramétriques. Elle se concentre sur l'utilisation de tests non-paramétriques lorsque la nature des données le nécessite et aussi lorsque les hypothèses sous-jacentes aux méthodes paramétriques telles l'ANOVA sont violées. |
0.5 |
 |
Planification et analyse des études de durée de vie et de stabilité |
Cet atelier utilise une variété d’études de cas afin de présenter les aspects les plus importants à considérer dans la détermination de la durée de vie des produits.
Dans un premier temps les différences entre les études de durée de vie et de stabilité sont exposées. L’atelier permet aux participants d’apprendre comment mettre en place de manière efficace chacune de ces études pour déterminer le temps de défaillance des produits avec précision et exactitude. Les éléments-clé discutés incluent la sélection des temps de mesure, la prise en compte des tests de nature destructive, la taille des expériences ainsi que la sélection des échantillons.
L’atelier met aussi l’emphase sur les méthodes appropriées pour analyser les données, les interpréter et les communiquer. Le principe des tests de durée de vie accélérée est abordé ainsi que les conditions gagnantes pour y parvenir. |
1.0 |
