Service Traitement de l’Information et Méthodologies.

Slides:



Advertisements
Présentations similaires
Corrélation Position du problème Définition covariance (X,Y) r =
Advertisements

ANOVA à un facteur (Rehailia)
Des modèles statistiques non-linéaires à effets mixtes et leurs extensions pour analyser la réponse de « la » biodiversité à des variables écologiques.
C1 Bio-statistiques F. KOHLER
Régression ou corrélation
Régression -corrélation
Expériences contrôlées Quasi-expériences Études de cas
Un neurone élémentaire
Ou comment faire de vos nouveaux produits des succès de vente ?
La démarche mercatique
Etude longitudinale d’essais multilocaux: apports du modèle mixte
Régression linéaire simple
Howell, Chap. 1 Position générale
L’expérimentateur de terrain et
Corrélation et régression linéaire simple
L’Analyse de Variance 1 Généralités Le modèle Calculs pratiques
Janvier 2010Paul-Marie Bernard Université Laval 1 Modules sur les méthodes en recherche clinique.
La méthodologie expérimentale Fondements et bases d’application
L’analyse de variance à mesures répétées
La méthodologie expérimentale Fondements et bases d’application
Le comportement des coûts Chapitre 3
Objectifs du chap. 5: Plans de recherche classiques
Régression linéaire (STT-2400)
La régression multiple
Méthodes de prévision (STT-3220)
Travail de génétique Direct genetic, maternal and litter effects on behaviour in German shepherd dogs in Sweden Evrard Aurélie Kastler Tiphaine Schumacher.
Université du Québec à Montréal
Apprentissage collaboratif à distance France Henri Centre de recherche LICEF Télé-université, Montréal le 24 août 2006.
Relation entre la variabilité interne des modèles régionaux de climat et le temps de résidence Philippe Lucas-Picher Directeur: Daniel Caya Codirecteur:
Mathieu Bégin Interaction humain-ordinateur (COM 7162) 8 novembre 2011
Présentation de la méthode des Eléments Finis
Régression linéaire multiple : hypothèses & tests. Partie 3.
Aide à la lecture critique d’une publication Malinovsky et coll. Ann Fr Anesth Réanim 2000;19:
Corrélation et régression linéaire
Journée d’accompagnement de l’appel à recherches autisme
Additions et soustractions
Méthodes de Biostatistique
Méthodes de Biostatistique
1. Présentation générale du système
22/10/2014 Business Case DGIP : Vers une organisation 100% orientée-client.
Chapitre 11 Modèles expérimentales Académie des Sciences Economiques Faculté d’Administration des Affaires (FABIZ) Section : Français Master année II Papaianulis.
Méthodologie expérimentale : l’analyse des données
Chapitre 1: L’échange sur les marchés: prix et décisions économiques
CREATION DE CLUBS LES ETAPES A RESPECTER PROCESSUS DU DISTRICT CENTRE-SUD A L'USAGE DES PRESIDENTS DE REGION.
Chapitre 3-B : AUTOMATIQUE : LES S.L.C.I.
Création d’une communauté web scénarisée : le projet Crealys
Initiation à la Méthodologie de Recherche
LE DISPOSITIF LOCAL D’ACCOMPAGNEMENT EN RHÔNE-ALPES
S. K Kouma, J. Ngontoloum et J. Dingamreou
Moucheture : état des connaissances et gestion du risque Sophie VALLADE ARVALIS – Institut du végétal.
Département fédéral de l’intérieur DFI Office fédéral de la statistique OFS Rapport sur le développement durable 2012 – Le système d’indicateurs MONET.
Revue de mortalité morbidité (RMM)
Chimiometrie (Chemometrics)
Rappels de statistiques descriptives
ASUR, point de départ d’une méthode de conception de systèmes mixtes mobiles ? Emmanuel Dubois IRIT – LIIHS Assises GDR I3 – Groupe « mobilité et ubiquité.
Etude des performances cinématiques de la plateforme 6 axes
La Qualité dans les Systèmes d’Information
M2 Sciences des Procédés - Sciences des Aliments
Séance 8 30 novembre 2005 N. Yamaguchi
1 BIO 4518: Biostatistiques appliquées Le 1er novembre 2005 Laboratoire 7 ANCOVAs (Analyse de covariance)
ETUDE DE 2 VARIABLES QUANTITATIVES
Les essais cliniques Pr.Houda Filali Service de Pharmacologie
Inova Identifier et promouvoir des variétés économes en intrant tout en maintenant la compétitivité des filières ITB & Arvalis H. Escriou J. Lorgeou Partenaires.
Statistiques à 2 variables
Comment lire une méta-analyse?
Validation d’une méthode d’analyse
Comparaison de plusieurs moyennes observées
Tests relatifs aux variables qualitatives: Tests du Chi-deux.
Formation Black Belt Lean Six Sigma
SYNTHESE DES TABLES RONDES Déroulement des tables rondes : Par tables rondes : 5 à 6 entreprises, 2 consultants, 2 institutionnels Mise en place des tables.
Transcription de la présentation:

Service Traitement de l’Information et Méthodologies

Planification des essais en champs et méthodes d’analyse des résultats : le point de vue de Arvalis – Institut du végétal Partie 2 : analyse des résultats François PIRAUX Service Traitement de l’Information et Méthodologie Arvalis – Institut du végétal

Service Traitement de l’Information et Méthodologies Organisation au niveau expérimentation à Arvalis Responsables de protocoles ExpérimentateursService Stat écriture des protocoles synthèse des résultats mise en place et suivi des essais analyse SERVICE D’APPUI consultance70 % formation15 % veille15 %

Service Traitement de l’Information et Méthodologies Analyse des résultats d’essais les personnes qui réalisent un essai analysent les résultats méthodes simples : modèle linéaire et ANOVA objectif de l’analyse = validation statistique de l’essai  examen des résidus analyses « standardisées »

Service Traitement de l’Information et Méthodologies Analyse des résultats d’essais

Service Traitement de l’Information et Méthodologies Analyse des résultats d’essais

Service Traitement de l’Information et Méthodologies Service Stat Service d’appui consultance (70%) : - aide à l’interprétation de résultats d’analyses - aide à la rédaction de protocoles - encadrement de stagiaires - analyse des « cas difficiles » (covariable, gradient intra-bloc, réseaux d’essais à « trous », mesures répétées, …) formation (15%) : interne et externe veille (15%)  D’une façon générale, le rôle du service stat consiste à mettre en œuvre et à garantir le bon usage des méthodes les plus appropriées aux besoins de l’institut

Service Traitement de l’Information et Méthodologies Service Stat modèle linéaire généralisé pour traiter des données non distribuées normalement (%, comptages) modèle mixte pour traiter des données i) présentant différents niveaux de variabilité aléatoire (bloc, lieux, variétés*lieux, …) ii) non indépendantes (mesures répétées) méthodes spatiales pour l’analyse d’essais hétérogènes et d’essais sans répétition méthodes pour l’étude de l’interaction génotype*milieu méthodes bayésiennes pour prendre en compte une information a priori Notre activité de veille nous amène à identifier, mettre en œuvre et transférer les méthodes les plus appropriées aux besoins de l’institut, par exemple :

Service Traitement de l’Information et Méthodologies Service Stat Le rôle du service statistique consiste également à garantir le bon usage des méthodes utilisées, y compris des méthodes « traditionnelles ». Pour les expérimentateurs, l’analyse des résultats n’est pas de la routine.

Service Traitement de l’Information et Méthodologies La pratique de l’analyse statistique dans les campagnes Dispositif en carré semi-latin … … analysé en bloc … analysé en bloc dans les 2 directions et on retient l’analyse qui convient le mieux Analyse ne correspondant pas au dispositif

Service Traitement de l’Information et Méthodologies La pratique de l’analyse statistique dans les campagnes Bloc 1 Bloc Bloc Le bloc 3 est dans un ordre déterminé … le même pour les 5 essais du réseau Randomisation

Service Traitement de l’Information et Méthodologies La pratique de l’analyse statistique dans les campagnes Variété A Variété B Comparaison A - B  test t avec 300 « répétitions » Carte de rdt Nouvelles technologies

Service Traitement de l’Information et Méthodologies La pratique de l’analyse statistique dans les campagnes Variété AVariété B Comparaison A - B  ANOVA avec 4 blocs Bloc 1 Bloc 2 Bloc 3 Bloc 4

Service Traitement de l’Information et Méthodologies La pratique de l’analyse statistique dans les campagnes Que faire en présence de données suspectes ?  tendance à supprimer systématiquement les données suspectes Données suspectes

Service Traitement de l’Information et Méthodologies La pratique de l’analyse statistique dans les campagnes Essai traitement fongicide : 3 traitements étudiés 13 blocs Variable analysée : teneur en DON Si on supprime les 2 données suspectes, il en sort une autre. Si on la supprime également, il en sort une quatrième. Si on la supprime, tout va bien !

Service Traitement de l’Information et Méthodologies La pratique de l’analyse statistique dans les campagnes En réalité, il existe une liaison entre la variance et la moyenne des données : L’analyse réalisée sur ln(DON) ne présentent pas de problème

Service Traitement de l’Information et Méthodologies La pratique de l’analyse statistique dans les campagnes Interaction traitements * blocs Supprimer un bloc ? Un traitement ? Essai techniques de désherbage : 6 techniques étudiées 3 blocs Variable analysée : nombre d’oxalis

Service Traitement de l’Information et Méthodologies La pratique de l’analyse statistique dans les campagnes Le phénomène est multiplicatif  modèle additif pas adéquat Passage ou logDonnées brutes

Service Traitement de l’Information et Méthodologies Conclusion Garantir l’excellence méthodologique de nos travaux c’est utiliser des méthodes de « pointe », mais cela consiste également à faire en sorte que les « fondamentaux » soit respectés. Deux conditions : - formation des utilisateurs - assistance des utilisateurs  EFFORT PERMANENT