Formation
Modèles Mixtes – Perfectionnement
Niveau
Durée
Modalités
Public
La formation en quelques mots
Cette formation s'adresse à des personnes souhaitant consolider leurs connaissances sur les modèles mixtes, aussi bien sur la méthodologie que sur la mise en œuvre.
La formation conviendra tout à fait à un public venant chercher du savoir statistique sur :
-La compréhension générale des modèles mixtes
-Les concepts mathématiques inhérents aux modèles mixtes
- Les contextes d’utilisation des différents modèles
- La comparaison des modèles
- Les différentes méthodes d’approximation des p-values sur les facteurs à effets fixes
- La mise en œuvre et l’interprétation des résultats de ces modèles
Pré-requis
Programme pédagogique simplifié
Cette formation s’adresse à des personnes souhaitant consolider leurs connaissances sur les modèles mixtes, aussi bien sur la méthodologie que sur la mise en œuvre.
La formation conviendra tout à fait à un public venant chercher du savoir statistique sur :
- La compréhension générale des modèles mixtes,
- Les concepts mathématiques inhérents aux modèles mixtes,
- Les contextes d’utilisation des différents modèles et la comparaison des modèles,
- Les différentes méthodes d’approximation des p-values sur les facteurs à effets fixes,
- La mise en œuvre et l’interprétation des résultats de ces modèles.
Objectifs pédagogiques
A l’issue de cette formation, le stagiaire sera capable de :
- Expliquer le contexte d’application des différents modèles (des ANOVA à mesures répétées aux modèles mixtes généralisés),
- Vérifier les conditions de mise en œuvre d’un modèle mixte,
- Expliquer la différence entre les différentes méthodes d’estimation des coefficients du modèle : sommes des carrés, ML, REML,
- Choisir la méthode d’approximation des p-values la plus adaptée à son contexte : LRT, Satterthwaite, Kenward-Rogers, Bootstrap,
- Ecrire l’équation mathématique du modèle,
- Mettre en œuvre un modèle mixte et un modèle mixte généralisé, sélectionner le « meilleur » modèle,
- Mettre en œuvre sous R un test de comparaison multiple (test post-Hoc) sur un modèle mixte,
- Interpréter les sorties logicielles.
