Université de Strasbourg

Université de Strasbourg

Outils Statistiques pour neurosciences

  • Cours (CM) 14h
  • Cours intégrés (CI) -
  • Travaux dirigés (TD) 14h
  • Travaux pratiques (TP) -
  • Travail étudiant (TE) -

Langue de l'enseignement : Français

Niveau de l'enseignement : B2-Avancé - Utilisateur indépendant

Description du contenu de l'enseignement

Objectifs en termes de connaissances
  1. Modèles d'analyse de la variance à un ou plusieurs facteurs.
    1. Notion d'interaction.
    2. Facteurs à effets fixes ou à effets aléatoires.
    3. Facteurs emboîtés ou croisés.
    4. Procédures de comparaison multiple.
  2. Tests non-paramétriques usuels pour comparer une, deux ou plusieurs populations.
  3. Modèles de régression
    1. Linéaire simple et multiple.
    2. Régression non-linéaire.
Prérequis
Vocabulaire et concepts de la statistique. Premiers test usuels (Student, Khi-deux).
Analyse de la variance à un facteur. Régression linéaire simple.

Compétences à acquérir

  1. Savoir utiliser des modèles d'analyse de la variance à un ou plusieurs facteurs croisés ou emboîtés à effets fixes ou aléatoires.
  2. Savoir vérifier les conditions d'utilisation des modèles d'analyse de la variance.
  3. Savoir mener à bien des procdures de comparaisons multiples.
  4. Savoir se servir des tests non-paramétriques usuels pour comparer une, deux ou plusieurs populations en remplacement des modèles d'analyse de la variance.
  5. Savoir ajuster et interpréter un modèle de régression linéaire simple ou multiple.
  6. Savoir ajuster et interpréter un modèle de régression non-linéaire.

Pré-requis obligatoires

Vocabulaire et concepts de la statistique. Premiers test usuels (Student, Khi-deux).

Pré-requis recommandés

Analyse de la variance à un facteur. Régression linéaire simple.

Contact

UFR de mathématique et d'informatique

7, rue René Descartes
67084 STRASBOURG CEDEX
0368850200

Formulaire de contact

Responsable

Myriam Maumy-Bertrand