Analyse de données avec R / Sébastien Lê ; Jérôme Pagès ; François Husson (2016)

Public ISBD Titre : Analyse de données avec R Type de document : Ouvrage Auteurs : Sébastien Lê, Auteur ; Jérôme Pagès, Auteur ; François Husson, Auteur Mention d'édition : 2ème ed Editeur : Rennes : Presses universitaires de Rennes Année de publication : 2016 Collection : Pratique de la statistique, ISSN 1295-1765 Importance : 239 p ISBN/ISSN/EAN : 978-2-7535-4869-5 Langues : Français (fre) Catégories : [Thesagri] analyse des données [Thesagri] logiciel [Thesagri] mathématique [Thesagri] statistique Index. décimale : DJ-0 Généralités Note de contenu : Avec ce manuel, le lecteur dispose d’un équipement complet (bases théoriques, exemples, logiciels) pour analyser des données multidimensionnelles. Son contenu correspond à l’enseignement d’analyse de données proposé à Agrocampus. Il a été conçu pour des étudiants qui ne se destinent pas aux métiers de la statistique mais qui auront à traiter des données dans leurs emplois. Cette édition prend en compte l’actualisation du logiciel R. Analyse de données avec R [Ouvrage] / Sébastien Lê, Auteur ; Jérôme Pagès, Auteur ; François Husson, Auteur  . -  2ème ed . - Rennes : Presses universitaires de Rennes, 2016 . - 239 p. - (Pratique de la statistique, ISSN 1295-1765) . ISBN : 978-2-7535-4869-5 Langues : Français (fre) Catégories : [Thesagri] analyse des données [Thesagri] logiciel [Thesagri] mathématique [Thesagri] statistique Index. décimale : DJ-0 Généralités Note de contenu : Avec ce manuel, le lecteur dispose d’un équipement complet (bases théoriques, exemples, logiciels) pour analyser des données multidimensionnelles. Son contenu correspond à l’enseignement d’analyse de données proposé à Agrocampus. Il a été conçu pour des étudiants qui ne se destinent pas aux métiers de la statistique mais qui auront à traiter des données dans leurs emplois. Cette édition prend en compte l’actualisation du logiciel R.

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00003806	DJ-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

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

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

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

Public ISBD Titre : Comprendre et réaliser les tests statistiques à l'aide de R : manuel de biostatistique Type de document : Ouvrage Auteurs : Gaël Millot, Auteur Mention d'édition : 4e édition Editeur : Louvain-la-Neuve : De Boeck supérieur Année de publication : 2018 Importance : 958 p. Accompagnement : https://c3bi.pasteur.fr/gael-millot-livres/ ISBN/ISSN/EAN : 978-2-8073-0291-4 Langues : Français (fre) Catégories : [Thesagri] analyse des données [Thesagri] analyse mathématique [Thesagri] analyse statistique [Thesagri] application de l'informatique [Thesagri] logiciel [Thesagri] manuel scolaire [Thesagri] mathématique [Thesagri] représentation graphique [Thesagri] statistique Index. décimale : DJ-0 Généralités Note de contenu : Ce livre s’adresse aux étudiants, médecins et chercheurs désirant réaliser des tests alors qu’ils débutent en statistique. Illustré par 88 figures et accompagné d’exercices avec correction, l’ouvrage aborde la statistique de la manière la plus simple qui soit, sans démonstration mathématique, mais en insistant sur les détails, afin de bien maîtriser toutes les subtilités des tests. L’ouvrage explore des points fondamentaux en statistique : la check-list à effectuer avant de réaliser un test, la gestion des individus extrêmes, l’origine de la p value, la puissance ou la conclusion d’un test. Il explique comment choisir un test à partir de ses propres données. Il décrit 35 tests statistiques sous forme de fiches, dont 24 non paramétriques, ce qui couvre la plupart des tests à une ou deux variables observées. Il traite de toutes les subtilités des tests, comme les corrections de continuité, les corrections de Welch pour le test t et l’anova, ou les corrections de p value lors des comparaisons multiples. Il propose un exemple d’application de chaque test à l’aide de R, en incluant toutes les étapes du test, et notamment l’analyse graphique des données. L’originalité de ce manuel est de proposer non seulement une explication très détaillée sur l’utilisation des tests les plus classiques, mais aussi la possibilité de réaliser ces tests à l’aide de R, logiciel de référence en statistique, gratuit, disponible sur Internet et compatible avec Windows, Mac OS et Linux. L’autre originalité est de proposer l’ensemble des exemples d’application des tests à partir d’un seul fichier de données, ce qui facilite la compréhension et le passage éventuel vers d’autres logiciels d’analyse. Ce fichier, ainsi que l’intégralité du code R de ce manuel, est disponible en ligne (https://c3bi.pasteur.fr/gael-millot-livres/) En ligne : https://c3bi.pasteur.fr/gael-millot-livres/ Format de la ressource électronique : html Comprendre et réaliser les tests statistiques à l'aide de R : manuel de biostatistique [Ouvrage] / Gaël Millot, Auteur  . -  4e édition . - Louvain-la-Neuve : De Boeck supérieur, 2018 . - 958 p. + https://c3bi.pasteur.fr/gael-millot-livres/. ISBN : 978-2-8073-0291-4 Langues : Français (fre) Catégories : [Thesagri] analyse des données [Thesagri] analyse mathématique [Thesagri] analyse statistique [Thesagri] application de l'informatique [Thesagri] logiciel [Thesagri] manuel scolaire [Thesagri] mathématique [Thesagri] représentation graphique [Thesagri] statistique Index. décimale : DJ-0 Généralités Note de contenu : Ce livre s’adresse aux étudiants, médecins et chercheurs désirant réaliser des tests alors qu’ils débutent en statistique. Illustré par 88 figures et accompagné d’exercices avec correction, l’ouvrage aborde la statistique de la manière la plus simple qui soit, sans démonstration mathématique, mais en insistant sur les détails, afin de bien maîtriser toutes les subtilités des tests. L’ouvrage explore des points fondamentaux en statistique : la check-list à effectuer avant de réaliser un test, la gestion des individus extrêmes, l’origine de la p value, la puissance ou la conclusion d’un test. Il explique comment choisir un test à partir de ses propres données. Il décrit 35 tests statistiques sous forme de fiches, dont 24 non paramétriques, ce qui couvre la plupart des tests à une ou deux variables observées. Il traite de toutes les subtilités des tests, comme les corrections de continuité, les corrections de Welch pour le test t et l’anova, ou les corrections de p value lors des comparaisons multiples. Il propose un exemple d’application de chaque test à l’aide de R, en incluant toutes les étapes du test, et notamment l’analyse graphique des données. L’originalité de ce manuel est de proposer non seulement une explication très détaillée sur l’utilisation des tests les plus classiques, mais aussi la possibilité de réaliser ces tests à l’aide de R, logiciel de référence en statistique, gratuit, disponible sur Internet et compatible avec Windows, Mac OS et Linux. L’autre originalité est de proposer l’ensemble des exemples d’application des tests à partir d’un seul fichier de données, ce qui facilite la compréhension et le passage éventuel vers d’autres logiciels d’analyse. Ce fichier, ainsi que l’intégralité du code R de ce manuel, est disponible en ligne (https://c3bi.pasteur.fr/gael-millot-livres/) En ligne : https://c3bi.pasteur.fr/gael-millot-livres/ Format de la ressource électronique : html

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00004319	DJ-0138	Livre	Salle de lecture	Documentaires	Disponible

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

Public ISBD Titre : Data science pour l'agriculture et l'environnement : méthodes et applications avec R et Python Type de document : Ouvrage Auteurs : David Makowski, Auteur Editeur : Paris : Ellipses Année de publication : 2021 Collection : Formations & Techniques Importance : 256 p ISBN/ISSN/EAN : 978-2-340-04577-4 Langues : Français (fre) Catégories : [Thesagri] agriculture [Thesagri] analyse des données [Thesagri] analyse statistique [Thesagri] logiciel Index. décimale : DJ-0 Généralités Note de contenu : 1 - Objectif de la data science 2 - La régression pénalisée 3 - Régression linéaire avec variables corrélées 4 - Les séparateurs à vastes marges (SVM) 5 - Arbres et forêts aléatoires 6 - Réseaux de neurones 7 - Apprentissage non supervisée 8 - Evaluation Data science pour l'agriculture et l'environnement : méthodes et applications avec R et Python [Ouvrage] / David Makowski, Auteur . - Paris : Ellipses, 2021 . - 256 p. - (Formations & Techniques) . ISBN : 978-2-340-04577-4 Langues : Français (fre) Catégories : [Thesagri] agriculture [Thesagri] analyse des données [Thesagri] analyse statistique [Thesagri] logiciel Index. décimale : DJ-0 Généralités Note de contenu : 1 - Objectif de la data science 2 - La régression pénalisée 3 - Régression linéaire avec variables corrélées 4 - Les séparateurs à vastes marges (SVM) 5 - Arbres et forêts aléatoires 6 - Réseaux de neurones 7 - Apprentissage non supervisée 8 - Evaluation

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00005344	DJ-0145	Livre	Salle de lecture	Documentaires	Sorti jusqu'au 31/10/2023

Data scientist et langage R : guide d'autoformation à l'exploitation intelligente des big data / Henri Laude (2018)

Permalink

Initiation à la statistique avec R - Cours, exemples, exercices et problèmes corrigés - Licence 3, Master 1, Ecoles d'ingénieur / F. Bertrand (2010)

Permalink

Multivariate analysis of ecological data with ade4 / Jean Thioulouse (2018)

Permalink

R pour les data sciences : importer, classer, transformer, visualiser et modéliser les données / Hadley Wickham (2018) 

Permalink

Régression avec R / Pierre-André Cornillon (2019) 

Permalink

Réseaux bayésiens avec R / Jean-Baptiste Denis ; Marco Scutari (2014) 

Permalink

Statistiques avec R / Pierre-André Cornillon ; Arnaud Guyader ; François Husson ; Nicolas Jégou ; Julie Josse ; Maela Kloareg ; Eric Martzner-Lober ; Laurent Rouvière (2012)

Permalink

---

1 (1 - 12 / 12)