Statistiques inférentielles et modélidation

Le contenu de cet enseignement concerne : une remise à niveau de l’interface analytique (Rstudio), des modèles linéaires à effets fixes
(matrice de corrélation, régression linéaire simple et multiple, analyse de variances à k facteurs, modèle de covariance, GLM (distribution binomiale, poisson), la transformation de variables, l’interaction entre variables, la sélection de modèles, l’analyse résidus, les méthodes d’analyses multivariées en développant le cas de l’analyse en composante principale (ACP).
— Introduction à la modélisation : Définitions, limites, échelles, formalismes, classification.

Notions et contenus
Bases des méthodes statistiques appliquées aux sciences biologiques et environnementales
Compétences
Connaître la démarche d’un test d’hypothèses statistiques. Connaître les quelques lois fondamentales (Loi Normale…). Savoir manipuler un jeu de données et extraire des descripteurs clefs d’un jeu de données (moyenne, médiane, variance, écart-type…). Connaître les tests de base (t, F, χ²,…)

Développer/renforcer les cadres et outils d’analyses statistiques inhérents à l’étude des systèmes dynamiques complexes dans les
sciences biologiques et environnementales