:: Description généraleCette combinaison vous permet de vous inscrire simultanément et en une seule étape aux trois formations suivantes :
Régression linéaire simple et multiple
Régression logistique
Régression PLS "Partial Least Squares"
Ces sessions de formation sont offertes à la suite l'une de l'autre.
En vous inscrivant à l'ensemble de ces journées, vous économisez 15% sur le total des coûts d'inscription.:: Objectifs pédagogiquesCet atelier appliqué de trois jours se concentre sur les méthodes statistiques utilisées pour mettre en relation des variables. L'atelier commence par la régression linéaire simple et multiple, traite ensuite de régression pour les variables catégoriques et finalement présente les méthodes de régression sur les composantes principales et régression PLS pour gérer la corrélation entre les variables utilisées comme prédicteurs dans des modèles de régression.
Des sorties provenant de différents logiciels statistiques seront présentées et interprétées.
Techniques de régression linéaire simple et multiple
L'atelier débute par la définition de ce qu'est un modèle mathématique. Par la suite, les utilisations des modèles sont exposées: aspects exploratoire et prédictifs. Les composantes d'une équation de régression sont étudiées: coefficients, erreurs-type, tests statistiques, la manière de mesurer l'ajustement aux données "goodness-of-fit", les techniques de sélection de variable "stepwise", etc.
Régression logistique: régression pour variables catégoriques
Parfois la variable à prédire est de nature catégorique. Voici quelques exemples: Est-ce qu'un individu pourra rembourser un prêt? Est-ce qu'un patient est atteint d'une certaine maladie? Dans ces situations, les techniques de régression linéaire ne sont plus appropriées. Cet atelier explique le mécanisme des techniques de régression pour variables catégoriques.
Régression pour prendre en compte la corrélation entre les variables: Régression sur les composantes principales et PLS
Lorsque plusieurs variables sont introduites dans un modèle de régression, il est fort à parier que plusieurs d'entre elles contiendront la même information, c'est-à-dire qu'elles seront corrélées. Ce problème s'appelle la multicollinéarité. Dans ces circonstances, la régression standard n'est plus appropriée. Cet atelier décrit deux alternatives: la régression sur les composantes principales et la régression PLS.:: Public cibleCette formation appliquée en statistique s'adresse à tout le personnel scientifique, désirant mettre en place des expériences efficaces et analyser les données recueillies pour en tirer le maximum d'information afin de prendre les meilleures décisions. Elle sera particulièrement pertinente pour les personnes désirant mettre en relation des variables dans un but explicatif ou de prédiction.:: Pré-requisCette formation présente les idées importantes en statistique et en analyse de données.
Les participants n'ont pas besoin d'avoir de connaissances en statistique ou alors s'ils en possèdent, ils peuvent ne pas les avoir utilisées depuis longtemps. | 
