
Catégories


Aide-mémoire pratique des techniques statistiques : pour ingénieurs et techniciens supérieurs / Ceresta (1986)
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] statistiqueNote de contenu : Description des observations
Modèles probabilistes
Introduction au jugement sur échantillon
L'estimation
Tests d'hypothèse
Plans d'expérience
La régression
La corrélation
TablesAide-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] statistiqueNote de contenu : Description des observations
Modèles probabilistes
Introduction au jugement sur échantillon
L'estimation
Tests d'hypothèse
Plans d'expérience
La régression
La corrélation
TablesExemplaires (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)
![]()
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] statistiqueIndex. 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
RéférencesDe 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] statistiqueIndex. 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
RéférencesExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DOC-00005682 DJ-0146 Livre Salle de lecture Documentaires Disponible Documents numériques
![]()
De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementalesURL
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] statistiqueIndex. 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] statistiqueIndex. 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
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] statistiqueIndex. 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] statistiqueIndex. 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 RURLAnalyses factorielles simples et multiples : Cours et études de cas / Brigitte Escofier ; Jérôme Pagès (2016)
![]()
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] statistiqueIndex. 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 corrigésAnalyses 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] statistiqueIndex. 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 corrigésExemplaires (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 casURL PermalinkAppréciation 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])
PermalinkL'AQT le guide d'Assurance Qualité et de Traçabilité : guide technique pour la mise en place des bonnes pratiques de laboratoire / Patrick Jonvel ; Merck-Clévenot Laboratoires (1997)
PermalinkPermalinkPermalinkComprendre et réaliser les tests statistiques à l'aide de R : manuel de biostatistique / Gaël Millot (2018)
![]()
PermalinkConception de la qualité : les plans d'expériences / Robert Lochner ; Joseph Matar ; Monique Sperry (1992)
PermalinkLe cours de biostatistique : 110 fiches de cours 120 schémas 50 QCM / Xavier Noguès ; André Garenne ; Xavier Bouteiller ; Virgil Fiévet (2018)
PermalinkData science pour l'agriculture et l'environnement : méthodes et applications avec R et Python / David Makowski (2021)
PermalinkDiagramme de la distribution 2004 (Le) ;Photographie de la filière (La) / Christian Hutin in Infos. CTIFL, 221 ([01/01/2006])
Permalink
Se connecter
Mot de passe oublié ?Adresse
23 rue Jean Baldassini 69364 Lyon Cedex 07
69364 Lyon
04.27.85.85.90
contact