La régression logistique simple avec R
Généralité
Description :
Ce cours d’introduction à la régression logistique simple avec R vous plongera dans les concepts essentiels de la modélisation de régression logistique en utilisant le langage de programmation R. Vous explorerez comment modéliser des relations entre variables binaires, ajuster des modèles de régression logistique et interpréter les résultats obtenus. Ce cours est spécialement conçu pour les débutants en statistiques et en R, et ne nécessite aucune expérience préalable en modélisation.
Objectifs:
- Comprendre les fondements de la régression logistique simple et son application.
- Apprendre à ajuster des modèles de régression logistique en utilisant R.
- Acquérir les compétences pour interpréter les coefficients de régression et évaluer la performance du modèle.
- Explorer les diagnostics et les tests associés à la régression logistique.
Public:
Ce cours est idéal pour les débutants en statistiques et en programmation R qui souhaitent explorer la modélisation de régression logistique simple. Aucune expérience préalable en modélisation n’est nécessaire, mais une connaissance générale des concepts statistiques de base serait bénéfique.
Prérequis:
- Connaissance de base de R et de son environnement.
- Compréhension élémentaire des concepts statistiques tels que la corrélation et les variables binaires.
Contenu du cours
Introduction à la régression logistique
- Introduction à la régression linéaire multiple et son rôle dans l’analyse de données.
- Présentation de R et de ses fonctionnalités pour la modélisation statistique.
- Revue des concepts clés de la régression linéaire simple.
Le modèle de régression logistique simple
- Formulation du modèle de régression logistique simple et des hypothèses sous-jacentes.
- Méthodes d’ajustement du modèle et estimation des coefficients de régression.
- Interprétation des coefficients et des variables explicatives.
L'évaluation du modèle de régression logistique
- Utilisation des mesures de qualité du modèle, y compris l’AIC et les tests de Wald.
- Interprétation de l’AIC et de sa signification dans la modélisation.
- Utilisation de graphiques pour visualiser l’ajustement du modèle.
Le diagnostic de la régression logistique
- Vérification des hypothèses de la régression logistique.
- Identification des valeurs aberrantes et de l’influence des observations.
- Utilisation de graphiques de diagnostic pour évaluer la validité du modèle.
Applications pratiques de la régression logistique
- Application de la régression logistique simple à des exemples concrets.
- Préparation des données pour la modélisation de régression logistique.
- Interprétation des résultats et prise de décisions éclairées.
Informations
| Niveau | Intermédiaire |
| Modes d’enseignement | Présentiel – Distanciel – A votre rythme en MOOC |
| Durée | 3 jours -21 heures |
| Lieux | Paris |
| Code cours | RLOG00 |