BIO 4518: Biostatistiques appliquées Le 25 octobre 2005 Laboratoire 6 Corrélation linéaire et régression linéaire simple.

Slides:



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

La régression logistique: fondements et conditions d’application
C1 Bio-statistiques F. KOHLER
Régression ou corrélation
Statistiques à deux variables
Régression -corrélation
Laboratoire Inter-universitaire de Psychologie
Vérification des données
Corrélation linéaire et la droite de régression

Statistiques Séance 9 – 6 décembre 2005 N. Yamaguchi.
La Régression Multiple
Structure de causalité bivariée
Etude longitudinale d’essais multilocaux: apports du modèle mixte
Régression linéaire simple
Howell, Chap. 1 Position générale
L’Analyse de Covariance
Corrélation et régression linéaire simple
L’Analyse de Variance 1 Généralités Le modèle Calculs pratiques
Modeles Lineaires.
Analyse de la covariance
Toutes les variables étaient mesurées au niveau intervalle et sans erreur Toutes les variables étaient mesurées au niveau intervalle et sans erreur ->
Le test t.
Lanalyse de la covariance. X y ANOVA Lanalyse de la covariance y X ANOVA.
La corrélation et la régression
Les modèles linéaires (Generalized Linear Models, GLM)
Analyse de variance à un critère de classification (ANOVA)
Corrélation Principe fondamental d’une analyse de corrélation
Comparaison de deux échantillons
Le comportement des coûts Chapitre 3
Structure discriminante (analyse discriminante)
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
La régression multiple
ORGANIGRAMME-MÉTHODES STATISTIQUES-COMPARAISONS DE MOYENNES
Régression linéaire multiple : hypothèses & interprétation. Partie 2.
Régression linéaire multiple : hypothèses & tests. Partie 3.
Méthodes de Biostatistique
2. Modèles linéaires.
BIO 4518: Biostatistiques appliquées Le 4 octobre 2005 Laboratoire 3 ANOVA à un critère de classification.
Lien entre deux variables
Howell Chap. 11: ANOVA. Du monde connu au monde inconnu Du test t à l’analyse de varianceDu test t à l’analyse de variance Trouvez des nouveaux noms pour.
LA REGRESSION LINEAIRE
Séance 8 30 novembre 2005 N. Yamaguchi
Les Etapes d’exécution d’une graphique linéaire
Régression linéaire simple
Outils d’analyse: la méthode des moindres carrées
1 BIO 4518: Biostatistiques appliquées Le 1er novembre 2005 Laboratoire 7 ANCOVAs (Analyse de covariance)
BIO 4518: Biostatistiques appliquées Les 11 et 18 octobre 2005 Laboratoire 4 et 5 ANOVA à critères multiples.
Comparaison de deux échantillons
Statistiques analytiques sous STATA
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :52 1 Comparaisons multiples Ce qu’elles sont.
Analyse de variance à un critère de classification (ANOVA)
Méthodes de Biostatistique Chapitre 9 Tests Nonparamétriques.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :57 1.
Révision des concepts fondamentaux
ETUDE DE 2 VARIABLES QUANTITATIVES
Modèle linéaire Relation entre une variable expliquée Y (par exemple le salaire), et p variables explicatives X j, j = 1, …, p (par exemple, p = 5, X 1.
Analyse de variance à un critère de classification (ANOVA)
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :34 1 Les modèles linéaires (Generalized Linear.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :47 1 Comparaison de deux échantillons Principes.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :37 1 Régression linéaire simple et corrélation.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :46 1 Devoir 3 (aa) on vous demande de déterminer.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :26 1 Régression multiple Quand et pourquoi on.
Régression linéaire (STT-2400)
Analyse des données. Plan Lien entre les statistiques et l’analyse des données Propagation des erreurs Ajustement de fonctions.
BIO 4518: Biostatistiques appliquées Le 8 novembre 2005 Laboratoire 8 Regressions multiples.
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement.
Corrélation et régression linéaire Mars Modèles de régression  Réponses aux questions du type: ‘Quelle est la nature de la relation entre les variables?’
Bienvenue au cours MAT-350 Probabilités et statistiques.
Transcription de la présentation:

BIO 4518: Biostatistiques appliquées Le 25 octobre 2005 Laboratoire 6 Corrélation linéaire et régression linéaire simple

Aujourd’hui… 1.Corrélations linéaires Mesure l’association linéaire entre deux variables continues. Ce n’est pas une relation causale: donc pas de distinction entre la variable dépendante et indépendante 2.Régression linéaire simple Teste et quantifie l’effet d’une variable indépendante X sur la variable dépendante Y

1. Corrélations linéaires A. Tests des conditions d’application: - 1.A.1) LINÉARITÉ: Examen visuel et transformations

1. Corrélations linéaires (suite) A. Test des conditions d’application (suite) –1.A.2) NORMALITÉ (tested on variables) –1.A.3) HOMOSCÉDASTICITÉ DE LA VARIANCE (observations visuelles seulement) B. L’analyse –Paramétrique –Ajustement de Bonferroni –Non-paramétrique

2. Régression linéaire simple L’analyse Tests des conditions d’application –LINÉARITÉ entre X et Y –NORMALITÉ DES RÉSIDUS –HOMOSCÉDASTICITÉ DES RÉSIDUS Transformation des données

Petits détails techniques: Page 206: Vous devez faire les graphiques un après l’autre en les insérant toujours dans le même Page 217: Le c pour faire le sous-ensemble doit être en lettres minuscules