Traitement statistiques de données agronomiques

Les parties A, B et C, sont dissociables, mais la partie A est un prérequis des parties B et C.

• Partie A : Auto-formation à R et aux statistiques descriptives (14h, à son rythme)
Jour 1 – Découverte de R et RStudio

I. Prendre en main le langage R et l’environnement de
développement RStudio
– Télécharger, installer, découvrir R et RStudio
– Editer, manipuler un script R
– Manipuler des variables
– Manipuler des fonctions, utiliser l’aide en ligne
– Installer des Packages

II. Manipuler un jeu de données avec R
– Créer et importer un fichier CSV sur R
– Visualiser un jeu de données individus/variables
– Extraire un sous ensemble
– Modifier, sauvegarder un jeu de données.

Jour 2 – Statistique descriptive uni et bivariée

III. Mettre en oeuvre des outils de statistique descriptive univariée
– Connaître, identifier, modifier les types de variables
– Présenter une variable qualitative sous forme de
tableau ou de graphique (diagrammes en barres, en secteurs)
– Présenter une variable quantitative sous forme de résumés numériques (paramètres de tendance centrale et de dispersion, statistiques de rang, mise
en classe) ou graphiques (histogrammes, box-plots)

IV. Mettre en œuvre des outils de statistique descriptive bivariée
– Croiser deux variables qualitatives : produire et normaliser un tableau de contingence, le représenter graphiquement à l’aide de diagrammes en barres.
– Croiser une variable qualitative et une variable quantitative à l’aide de résumés numériques et graphiques (e.g. box-plots)
– Croiser deux variables quantitatives à l’aide de résumés numériques (covariance et coefficients de corrélation, paramétriques et non paramétriques) et graphiques (nuages de points)

• Partie B – Statistique et expérimentation (2 jours, en présentiel)
Jour 3 – Principes d’échantillonnage, d’estimation et de tests hypothèses

V. Échantillonnage et estimation
– Notions de moyenne, d’écart-type, de variance ; lois usuelles (normale, binomiale…)
– Estimation ponctuelle d’une moyenne, d’une proportion, d’une variance
– Estimation par intervalle de confiance d’une moyenne, d’une proportion, d’une variance

Jour 4 – ANOVA et dispositifs en expérimentation agricole
VII. Analyse de Variance (ANOVA)
– Mettre en œuvre et analyser une ANOVA à 1
facteur et ses tests post-hoc
– Savoir mettre en œuvre et interpréter une ANOVA à 2 facteurs avec et sans interaction
– Savoir vérifier les conditions d’applications, appliquer une transformation ou choisir une alternative non paramétrique
VIII. Dispositifs expérimentaux
– Connaître les dispositifs expérimentaux usuels, savoir les mettre en œuvre et en traiter les résultats

• Partie C – Analyse de données multivariées (1 jour, en présentiel)
Jour 5 – Méthodes multivariées pour l’analyse de variables quantitatives

IX. Analyse en composantes principales (ACP)
– Connaître les objectifs et le principe d’une ACP, savoir la mettre en oeuvre et en interpréter les résultats
X. Classification non supervisée (K-means et classification ascendante hiérarchique)
– Connaître les principales méthodes de classification non supervisée. Savoir choisir, mettre en œuvre ces méthodes et en interpréter les résultats

Option dans le cadre d’une formation intraentreprise, sur mesure
• Partie D – Support à distance post formation
A l’issue de la formation, une assistance est apportée aux stagiaires afin de faciliter l’appropriation et la mise en pratique des outils et méthodes bordées dans leur contexte professionnel. L’équipe de formateurs se rendra disponible pour répondre aux sollicitations des stagiaires.
L’assistance sera apportée, de façon asynchrone, sur un forum dédié mis en place sur la plate-forme pédagogique de l’établissement. Les supports de formations et autres supports pédagogiques seront mis à disposition des stagiaires sur cette même plate-forme.