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

Exemplaires (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 environnementales URL

Biostatistical analysis / Jerrold H. Zar (2013)

Public ISBD Titre : Biostatistical analysis Type de document : Ouvrage Auteurs : Jerrold H. Zar, Auteur Mention d'édition : 5ème ed Editeur : Harlow : Pearson new international edition Année de publication : 2013 Importance : 756 p ISBN/ISSN/EAN : 978-1-292-02404-2 Langues : Anglais (eng) Catégories : [Thesagri] biologie [Thesagri] modèle statistique [Thesagri] recherche scientifique Index. décimale : Note de contenu : Zar’s Biostatistical Analysis, Fifth Edition, is the ideal textbook for graduate and undergraduate students seeking practical coverage of statistical analysis methods used by researchers to collect, summarize, analyze and draw conclusions from biological research. The latest edition of this best-selling textbook is both comprehensive and easy to read. It is suitable as an introduction for beginning students and as a comprehensive reference book for biological researchers and for advanced students. Biostatistical analysis [Ouvrage] / Jerrold H. Zar, Auteur  . -  5ème ed . - Harlow : Pearson new international edition, 2013 . - 756 p. ISBN : 978-1-292-02404-2 Langues : Anglais (eng) Catégories : [Thesagri] biologie [Thesagri] modèle statistique [Thesagri] recherche scientifique Index. décimale : Note de contenu : Zar’s Biostatistical Analysis, Fifth Edition, is the ideal textbook for graduate and undergraduate students seeking practical coverage of statistical analysis methods used by researchers to collect, summarize, analyze and draw conclusions from biological research. The latest edition of this best-selling textbook is both comprehensive and easy to read. It is suitable as an introduction for beginning students and as a comprehensive reference book for biological researchers and for advanced students.

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00001805	DC-0145	Livre	Salle de lecture	Documentaires	Disponible

Systèmes d'information géographique : avec les logiciels libres GRASS et QGIS / Yves Auda (2018) 

Public ISBD Titre : Systèmes d'information géographique : avec les logiciels libres GRASS et QGIS Titre original : Systèmes d'information géographique : avec les logiciels libres Geographic resources analysis support system (GRASS) et Quantum geographic information system (QGIS) Type de document : Ouvrage Auteurs : Yves Auda, Auteur Mention d'édition : Cours avec exercices corrigés Editeur : Malakoff : Dunod Année de publication : 2018 Autre Editeur : Marseille : IRD éditions Collection : Sciences Sup, ISSN 1636-2217 Importance : 197 p. ISBN/ISSN/EAN : 978-2-10-077584-2 Langues : Français (fre) Catégories : [Thesagri] analyse des données [Thesagri] cartographie [Thesagri] cartographie numérique [Thesagri] document cartographique [Thesagri] logiciel [Thesagri] logiciel libre [Thesagri] milieu géographique [Thesagri] modèle mathématique [Thesagri] modèle statistique [Thesagri] modélisation [Thesagri] représentation cartographique [Thesagri] système numérique [Thesagri] traitement de l'information [Thesagri] traitement numérique [Thesagri] traitement numérique des données [Thesagri] vecteur : mathématique Index. décimale : DE-0 Généralités Note de contenu : Cet ouvrage expose les fondements théoriques indispensables à l'utilisation des systèmes d'information géographique (SIG) en présentant de manière simple les modèles vecteur et raster, les standards OGC, le SQL spatial ou les modèles numériques de terrain. Des exercices reprennent ensuite chaque notion théorique en insistant sur la complémentarité entre GRASS et QGIS. Systèmes d'information géographique : avec les logiciels libres GRASS et QGIS = Systèmes d'information géographique : avec les logiciels libres Geographic resources analysis support system (GRASS) et Quantum geographic information system (QGIS) [Ouvrage] / Yves Auda, Auteur  . -  Cours avec exercices corrigés . - Malakoff : Dunod : Marseille : IRD éditions, 2018 . - 197 p.. - (Sciences Sup, ISSN 1636-2217) . ISBN : 978-2-10-077584-2 Langues : Français (fre) Catégories : [Thesagri] analyse des données [Thesagri] cartographie [Thesagri] cartographie numérique [Thesagri] document cartographique [Thesagri] logiciel [Thesagri] logiciel libre [Thesagri] milieu géographique [Thesagri] modèle mathématique [Thesagri] modèle statistique [Thesagri] modélisation [Thesagri] représentation cartographique [Thesagri] système numérique [Thesagri] traitement de l'information [Thesagri] traitement numérique [Thesagri] traitement numérique des données [Thesagri] vecteur : mathématique Index. décimale : DE-0 Généralités Note de contenu : Cet ouvrage expose les fondements théoriques indispensables à l'utilisation des systèmes d'information géographique (SIG) en présentant de manière simple les modèles vecteur et raster, les standards OGC, le SQL spatial ou les modèles numériques de terrain. Des exercices reprennent ensuite chaque notion théorique en insistant sur la complémentarité entre GRASS et QGIS.

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00004392	DE-0010	Livre	Salle de lecture	Documentaires	Disponible

Documents numériques

Systèmes d'information géographique : avec les logiciels libres GRASS et QGIS URL

---

1 (1 - 3 / 3)