Aide-mémoire pratique des techniques statistiques ; pour ingénieurs et techniciens supérieurs / Ceresta (1986)

Public ISBD Titre : Aide-mémoire pratique des techniques statistiques ; pour ingénieurs et techniciens supérieurs Type de document : Ouvrage Auteurs : Ceresta Editeur : Paris : Ceresta Année de publication : 1986 Importance : 274 p. Format : 24 cm Langues : Français (fre) Catégories : [Thesagri] analyse statistique [Thesagri] développement de la personnalité [Thesagri] statistique Note de contenu : Description des observations Modèles probabilistes Introduction au jugement sur échantillon L'estimation Tests d'hypothèse Plans d'expérience La régression La corrélation Tables Aide-mémoire pratique des techniques statistiques ; pour ingénieurs et techniciens supérieurs [Ouvrage] / Ceresta . - Paris : Ceresta, 1986 . - 274 p. ; 24 cm. Langues : Français (fre) Catégories : [Thesagri] analyse statistique [Thesagri] développement de la personnalité [Thesagri] statistique Note de contenu : Description des observations Modèles probabilistes Introduction au jugement sur échantillon L'estimation Tests d'hypothèse Plans d'expérience La régression La corrélation Tables

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
77000354	DC-0135	Livre	Salle de lecture	Documentaires	Disponible

De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales / David Makowski (2018) 

Public ISBD Titre : De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales Type de document : Ouvrage Auteurs : David Makowski, Auteur ; François Piraux, Auteur ; François Brun, Auteur Editeur : Versailles : Quae Année de publication : 2018 Collection : Savoir-faire Importance : 161 p ISBN/ISSN/EAN : 978-2-7592-2815-7 Langues : Français (fre) Catégories : [Thesagri] agronomie [Thesagri] analyse des données [Thesagri] analyse statistique [Thesagri] logiciel [Thesagri] mathématique [Thesagri] modèle statistique [Thesagri] statistique Index. décimale : DJ-0 Généralités Note de contenu : Chapitre 1. Introduction et exemples Objectifs de l’analyse de réseaux d’expérimentations et de la méta-analyse Données Le type de données La collecte des données La validation des données Analyse Principales étapes Présentation des hypothèses testées Collecte des données Validation des données Analyse des données Validation de l’analyse Communication des résultats Objectif de l’ouvrage Un exemple simple de modèle mixte Définition Données Définition du modèle Estimation Comparaison avec le modèle sans effet aléatoire Références Partie I. Analyse des réseaux expérimentaux Chapitre 2. Notions de base Expérimentation agronomique Réseau d’expérimentations Définition Exemple de réseau d’expérimentations Notion d’environnement Objectifs d’un réseau d’expérimentations Notion de population d’environnements Notion d’interaction Références Chapitre 3. Analyse d’un réseau d’expérimentations en blocs aléatoires complets à un facteur étudié Objectif du chapitre Exemple « blé» Modélisation Modèle avec un effet expérimentation aléatoire Modèle avec un effet expérimentation fixe Exemple Comment choisir entre un modèle avec un effet expérimentation fixe et un modèle avec un effet expérimentation aléatoire ? Évaluation du modèle Normalité Homoscédasticité Indépendance Données suspectes Comparaisons de moyennes Tests d’hypothèse : tests d’égalité Intervalles de confiance Tests d’hypothèse : tests d’équivalence Exemple Exemple « blé» : script R et analyse commentée Références Chapitre 4. Méthodes avancées pour l’analyse des réseaux Analyse des données moyennes Étape 1 :analyse des expérimentations individuelles pour estimer les moyennes des traitements Étape 2 :analyse des données moyennes Exemple Une variante: analyse des données moyennes avec un modèle fixe Estimation de la variance d’interaction traitement-expérimentation Script R Expérimentations avec variances hétérogènes Introduction Exemple « blé» Pour aller plus loin Données manquantes Origine des données manquantes Moyennes ajustées Les facteurs lieu et année Objectif Exemple «blé_pluri » Modèle pour l’analyse des données moyennes Estimation de la variance de l’interaction traitement-année-lieu Variance de la différence entre deux traitements Analyse de l’exemple « blé_pluri » et script R Références Chapitre 5. Planification d’un réseau d’expérimentations Objectif Comparaison de deux traitements Cas d’un réseau multilocal Cas d’un réseau multilocal et pluriannuel Autres contrastes Comparaison à la moyenne de plusieurs témoins Comparaison à la moyenne générale Références Partie II. La méta-analyse Chapitre 6. Notions de basepour la méta-analyse Définition,origine et principales étapes de la méta-analyse Estimation d’une taille d’effet moyenne Objectif Recherche systématique des études, sélection des références et extraction de données Estimation de la taille d’effet moyenne avec un modèle sans effet aléatoire Estimation de la taille d’effet moyenne avec un modèle à effets aléatoires Métarégression Objectif Exemple Modèles de régression avec et sans effet aléatoire Exemple(suite) Analyse critique des résultats Références Chapitre 7. Problèmes statistiques spécifiques pour la méta-analyse Définition de la taille d’effet Correction des biais liés à l’utilisation de ratios Différence entre moyennes d’observations Tailles d’effet pour les données binaires Coefficient de corrélation Tailles d’effet basées sur la variance Modèles linéaires généralisés pour l’analyse de données discrètes Modèle binomial logit à effets aléatoires pour analyser l’effet d’un traitement Exemple Modèles non linéaires mixtes Intérêt et définition Exemple Modèles bayésiens Définition Exemple :méta-analyse avec MCMCglmm Références Annexe. Ressources R pour mettre en œuvre les méthodes d’analyse des réseaux et de méta-analyse Package KenSyn : code R et jeux de données des exemples présentés dans les différents chapitres Installation Contenu et utilisation Mettre en oeuvre le modèle mixte sous R Ajuster un modèle mixte Manipuler les résultats des modèles mixtes sous R Le package metafor, dédié à la réalisation de méta-analyses sous R Approche bayésienne avec le modèle mixte Packag eMCMCglmm Package coda Références De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales [Ouvrage] / David Makowski, Auteur ; François Piraux, Auteur ; François Brun, Auteur . - Versailles : Quae, 2018 . - 161 p. - (Savoir-faire) . ISBN : 978-2-7592-2815-7 Langues : Français (fre) Catégories : [Thesagri] agronomie [Thesagri] analyse des données [Thesagri] analyse statistique [Thesagri] logiciel [Thesagri] mathématique [Thesagri] modèle statistique [Thesagri] statistique Index. décimale : DJ-0 Généralités Note de contenu : Chapitre 1. Introduction et exemples Objectifs de l’analyse de réseaux d’expérimentations et de la méta-analyse Données Le type de données La collecte des données La validation des données Analyse Principales étapes Présentation des hypothèses testées Collecte des données Validation des données Analyse des données Validation de l’analyse Communication des résultats Objectif de l’ouvrage Un exemple simple de modèle mixte Définition Données Définition du modèle Estimation Comparaison avec le modèle sans effet aléatoire Références Partie I. Analyse des réseaux expérimentaux Chapitre 2. Notions de base Expérimentation agronomique Réseau d’expérimentations Définition Exemple de réseau d’expérimentations Notion d’environnement Objectifs d’un réseau d’expérimentations Notion de population d’environnements Notion d’interaction Références Chapitre 3. Analyse d’un réseau d’expérimentations en blocs aléatoires complets à un facteur étudié Objectif du chapitre Exemple « blé» Modélisation Modèle avec un effet expérimentation aléatoire Modèle avec un effet expérimentation fixe Exemple Comment choisir entre un modèle avec un effet expérimentation fixe et un modèle avec un effet expérimentation aléatoire ? Évaluation du modèle Normalité Homoscédasticité Indépendance Données suspectes Comparaisons de moyennes Tests d’hypothèse : tests d’égalité Intervalles de confiance Tests d’hypothèse : tests d’équivalence Exemple Exemple « blé» : script R et analyse commentée Références Chapitre 4. Méthodes avancées pour l’analyse des réseaux Analyse des données moyennes Étape 1 :analyse des expérimentations individuelles pour estimer les moyennes des traitements Étape 2 :analyse des données moyennes Exemple Une variante: analyse des données moyennes avec un modèle fixe Estimation de la variance d’interaction traitement-expérimentation Script R Expérimentations avec variances hétérogènes Introduction Exemple « blé» Pour aller plus loin Données manquantes Origine des données manquantes Moyennes ajustées Les facteurs lieu et année Objectif Exemple «blé_pluri » Modèle pour l’analyse des données moyennes Estimation de la variance de l’interaction traitement-année-lieu Variance de la différence entre deux traitements Analyse de l’exemple « blé_pluri » et script R Références Chapitre 5. Planification d’un réseau d’expérimentations Objectif Comparaison de deux traitements Cas d’un réseau multilocal Cas d’un réseau multilocal et pluriannuel Autres contrastes Comparaison à la moyenne de plusieurs témoins Comparaison à la moyenne générale Références Partie II. La méta-analyse Chapitre 6. Notions de basepour la méta-analyse Définition,origine et principales étapes de la méta-analyse Estimation d’une taille d’effet moyenne Objectif Recherche systématique des études, sélection des références et extraction de données Estimation de la taille d’effet moyenne avec un modèle sans effet aléatoire Estimation de la taille d’effet moyenne avec un modèle à effets aléatoires Métarégression Objectif Exemple Modèles de régression avec et sans effet aléatoire Exemple(suite) Analyse critique des résultats Références Chapitre 7. Problèmes statistiques spécifiques pour la méta-analyse Définition de la taille d’effet Correction des biais liés à l’utilisation de ratios Différence entre moyennes d’observations Tailles d’effet pour les données binaires Coefficient de corrélation Tailles d’effet basées sur la variance Modèles linéaires généralisés pour l’analyse de données discrètes Modèle binomial logit à effets aléatoires pour analyser l’effet d’un traitement Exemple Modèles non linéaires mixtes Intérêt et définition Exemple Modèles bayésiens Définition Exemple :méta-analyse avec MCMCglmm Références Annexe. Ressources R pour mettre en œuvre les méthodes d’analyse des réseaux et de méta-analyse Package KenSyn : code R et jeux de données des exemples présentés dans les différents chapitres Installation Contenu et utilisation Mettre en oeuvre le modèle mixte sous R Ajuster un modèle mixte Manipuler les résultats des modèles mixtes sous R Le package metafor, dédié à la réalisation de méta-analyses sous R Approche bayésienne avec le modèle mixte Packag eMCMCglmm Package coda Références

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00005682	DJ-0146	Livre	Salle de lecture	Documentaires	Sorti jusqu'au 28/04/2023

Documents numériques

De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales URL

Analyse textuelle avec R / Monica Bécue-Bertaut (2018)

Public ISBD Titre : Analyse textuelle avec R Type de document : Ouvrage Auteurs : Monica Bécue-Bertaut, Auteur Editeur : Rennes : Presses universitaires de Rennes Année de publication : 2018 Collection : Pratique de la statistique, ISSN 1295-1765 Importance : 189 p ISBN/ISSN/EAN : 978-2-7535-6533-3 Langues : Français (fre) Catégories : [Thesagri] analyse statistique [Thesagri] logiciel [Thesagri] statistique Index. décimale : DJ-0 Généralités Note de contenu : 1 - Codification : du corpus aux tableaux statistiques 2 - Analyse des correspondances de données textuelles 3 - Applications de l’analyse des correspondances 4 - Classification en analyse textuelle 5 - Caractérisation lexicale des parties du corpus 6 - Analyse factorielle multiple en analyse textuelle 7 - Stratégie d’analyse à partir d’applications Analyse textuelle avec R [Ouvrage] / Monica Bécue-Bertaut, Auteur . - Rennes : Presses universitaires de Rennes, 2018 . - 189 p. - (Pratique de la statistique, ISSN 1295-1765) . ISBN : 978-2-7535-6533-3 Langues : Français (fre) Catégories : [Thesagri] analyse statistique [Thesagri] logiciel [Thesagri] statistique Index. décimale : DJ-0 Généralités Note de contenu : 1 - Codification : du corpus aux tableaux statistiques 2 - Analyse des correspondances de données textuelles 3 - Applications de l’analyse des correspondances 4 - Classification en analyse textuelle 5 - Caractérisation lexicale des parties du corpus 6 - Analyse factorielle multiple en analyse textuelle 7 - Stratégie d’analyse à partir d’applications

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00005167	DJ-0144	Livre	Salle de lecture	Documentaires	Disponible

Analyses factorielles multiples avec R / Jérôme Pagès (2013) 

Public ISBD Titre : Analyses factorielles multiples avec R Type de document : Ouvrage Auteurs : Jérôme Pagès Editeur : Les Ulis : Edp Sciences Année de publication : 2013 Importance : 253 p ISBN/ISSN/EAN : 978-2-7598-0963-9 Langues : Français (fre) Catégories : [Thesagri] analyse statistique [Thesagri] statistique Index. décimale : Note de contenu : L'analyse factorielle multiple (AFM ) est la méthode de référence pour analyser des tableaux de données dans lesquels un ensemble d'individus est décrit par plusieurs groupes de variables, ces dernières pouvant être quantitatives et/ou qualitatives. Ce type de tableau multiple se rencontre dans de nombreux domaines comme les enquêtes (les questionnaires comportent toujours plusieurs thèmes : des opinions, des comportements, etc.) ou les sciences expérimentales (dans l'industrie agro-alimentaire, par exemple, on caractérise les produits à la fois par des données physico-chimiques et des données issues de dégustations). Ce livre est destiné aux utilisateurs confrontés à des tableaux multiples. Une large place est accordée aux applications et à la mise en oeuvre via R. L'objectif est de rendre l'utilisateur autonome dans l'application de l'AFM sur ses données. Dans cet esprit, ce livre : - introduit une à une les principales caractéristiques de la méthode intuitivement à partir d'exemples ; - donne les éléments théoriques nécessaires pour une compréhension en profondeur avec un recours au raisonnement géométrique systématique ; - illustre les résultats à partir des exemples introductifs ; - détaille la marche à suivre pour appliquer l'AFM avec le package FactoMineR ou via des codes R. Ces codes sont disponibles sur le site du LMA 2 (Agrocampus). Cet exposé est complété par une présentation des méthodes classiques, ACP et ACM , elle aussi fondée sur des exemples. L'ensemble constitue l'état de l'art aujourd'hui en analyse factorielle. Jérôme Pagès est professeur de statistique à Agrocampus (Rennes) où il dirige le laboratoire de mathématiques appliquées (LMA2). Analyses factorielles multiples avec R [Ouvrage] / Jérôme Pagès . - Les Ulis : Edp Sciences, 2013 . - 253 p. ISBN : 978-2-7598-0963-9 Langues : Français (fre) Catégories : [Thesagri] analyse statistique [Thesagri] statistique Index. décimale : Note de contenu : L'analyse factorielle multiple (AFM ) est la méthode de référence pour analyser des tableaux de données dans lesquels un ensemble d'individus est décrit par plusieurs groupes de variables, ces dernières pouvant être quantitatives et/ou qualitatives. Ce type de tableau multiple se rencontre dans de nombreux domaines comme les enquêtes (les questionnaires comportent toujours plusieurs thèmes : des opinions, des comportements, etc.) ou les sciences expérimentales (dans l'industrie agro-alimentaire, par exemple, on caractérise les produits à la fois par des données physico-chimiques et des données issues de dégustations). Ce livre est destiné aux utilisateurs confrontés à des tableaux multiples. Une large place est accordée aux applications et à la mise en oeuvre via R. L'objectif est de rendre l'utilisateur autonome dans l'application de l'AFM sur ses données. Dans cet esprit, ce livre : - introduit une à une les principales caractéristiques de la méthode intuitivement à partir d'exemples ; - donne les éléments théoriques nécessaires pour une compréhension en profondeur avec un recours au raisonnement géométrique systématique ; - illustre les résultats à partir des exemples introductifs ; - détaille la marche à suivre pour appliquer l'AFM avec le package FactoMineR ou via des codes R. Ces codes sont disponibles sur le site du LMA 2 (Agrocampus). Cet exposé est complété par une présentation des méthodes classiques, ACP et ACM , elle aussi fondée sur des exemples. L'ensemble constitue l'état de l'art aujourd'hui en analyse factorielle. Jérôme Pagès est professeur de statistique à Agrocampus (Rennes) où il dirige le laboratoire de mathématiques appliquées (LMA2).

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00001964	DJ-0132	Livre	Salle de lecture	Documentaires	Disponible

Documents numériques

Analyses factorielles multiples avec R URL

Analyses factorielles simples et multiples : Cours et études de cas / Brigitte Escofier ; Jérôme Pagès (2016) 

Public ISBD Titre : Analyses factorielles simples et multiples : Cours et études de cas Type de document : Ouvrage Auteurs : Brigitte Escofier, Auteur ; Jérôme Pagès, Auteur Mention d'édition : 5ème ed Editeur : Malakoff : Dunod Année de publication : 2016 Collection : Sciences Sup, ISSN 1636-2217 Importance : 392 p ISBN/ISSN/EAN : 978-2-10-074144-1 Langues : Français (fre) Catégories : [Thesagri] analyse des données [Thesagri] analyse statistique [Thesagri] statistique Index. décimale : DF-0 Généralités Note de contenu : Cet ouvrage est destiné aux étudiants en Masters de mathématiques appliquées, d'économie ou d'économétrie, ainsi qu'aux élèves ingénieurs. Il aborde les méthodes d'analyse de données qui ont démontré leur efficacité dans l'étude des grandes masses complexes d'informations. Cette cinquième édition, entièrement revue et augmentée, a été enrichie de nombreux exercices corrigés Analyses factorielles simples et multiples : Cours et études de cas [Ouvrage] / Brigitte Escofier, Auteur ; Jérôme Pagès, Auteur  . -  5ème ed . - Malakoff : Dunod, 2016 . - 392 p. - (Sciences Sup, ISSN 1636-2217) . ISBN : 978-2-10-074144-1 Langues : Français (fre) Catégories : [Thesagri] analyse des données [Thesagri] analyse statistique [Thesagri] statistique Index. décimale : DF-0 Généralités Note de contenu : Cet ouvrage est destiné aux étudiants en Masters de mathématiques appliquées, d'économie ou d'économétrie, ainsi qu'aux élèves ingénieurs. Il aborde les méthodes d'analyse de données qui ont démontré leur efficacité dans l'étude des grandes masses complexes d'informations. Cette cinquième édition, entièrement revue et augmentée, a été enrichie de nombreux exercices corrigés

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00003808	DF-0093	Livre	Salle de lecture	Documentaires	Disponible

Documents numériques

Analyses factorielles simples et multiples : Cours et études de cas URL

Appliquer la Maîtrise Statistique des Procédés (MSP/SPC) / Maurice Pillet (2000)

Permalink

Appréciation des risques sanitaires liés aux aliments (L'): une vision de biométriciens Seconde partie : mise en oeuvre / R. Pouillot ; J-B Denis ; A. Martin in Cahiers de Nutrition et de Diététique, Vol. 39, n° 2 ([01/01/2004])

Permalink

AQT le guide d'Assurance Qualité et de Traçabilité (L') ; guide technique pour la mise en place des bonnes pratiques de laboratoire / Patrick Jonvel ; Merck-Clévenot Laboratoires (1997)

Permalink

Biostatistique / Bruno Scherrer (1984)

Permalink

Comprendre et mener des plans d'expériences / Jacques Demonsant (1996)

Permalink

Comprendre et réaliser les tests statistiques à l'aide de R : manuel de biostatistique / Gaël Millot (2018)  

Permalink

Conception de la qualité : les plans d'expériences / Robert Lochner ; Joseph Matar ; Monique Sperry (1992)

Permalink

Le cours de biostatistique : 110 fiches de cours 120 schémas 50 QCM / Xavier Noguès ; André Garenne ; Xavier Bouteiller ; Virgil Fiévet (2018)

Permalink

Data science pour l'agriculture et l'environnement : méthodes et applications avec R et Python / David Makowski (2021)

Permalink

Diagramme de la distribution 2004 (Le) ;Photographie de la filière (La) / Christian Hutin in Infos. CTIFL, 221 ([01/01/2006])

Permalink

---

1 2 3 (1 - 15 / 33) Par page : 25 Tout afficher