Formation Maîtriser R : Analyse Statistique et Traitement Avancé des Données

Programme de la formation
Maîtriser R : Analyse Statistique et Traitement Avancé des Données

• Introduction à R et RStudio : Installation et bases

  - Installation de R et RStudio IDE.
  - Présentation de l'interface graphique de RStudio.
  - Premiers pas : calculs simples, variables et types de données.

• Structures de données fondamentales en R

  - Vecteurs : création, manipulation et opérations.
  - Matrices : définition, indexation et fonctions.
  - Data Frames : création, exploration et sélection.

• Importation et exportation de données

  - Importation de fichiers CSV, TXT, Excel.
  - Connexion aux bases de données (SQL).
  - Exportation de résultats sous différents formats.

• Manipulation de données avec dplyr

  - Filtrage (filter()), sélection (select()).
  - Tri (arrange()), ajout de colonnes (mutate()).
  - Opérations de groupement et résumé (group_by(), summarise()).

• Nettoyage et préparation des données

  - Gestion des valeurs manquantes (NA) : détection et imputation.
  - Traitement des valeurs aberrantes.
  - Transformation des types de variables (numérique, catégorielle).

• Visualisation de données avec ggplot2 (partie 1)

  - Principes de grammar of graphics.
  - Création de nuages de points et histogrammes.
  - Personnalisation des titres, légendes et couleurs.

• Visualisation de données avec ggplot2 (partie 2)
• Statistiques descriptives univariées

  - Mesures de tendance centrale (moyenne, médiane, mode).
  - Mesures de dispersion (variance, écart-type, quartiles).
  - Tableaux de fréquences et pourcentages.

• Tests statistiques paramétriques

  - Concepts d'hypothèse nulle et alternative, p-value.
  - Test t de Student (échantillons indépendants/appariés).
  - ANOVA (Analyse de Variance) à un facteur.

• Tests statistiques non paramétriques
• Régression linéaire simple et multiple

  - Concepts de corrélation et régression.
  - Construction et interprétation d'un modèle de régression linéaire.
  - Diagnostic et amélioration du modèle.

• Introduction à la programmation R et reproductibilité

  - Fonctions personnalisées : écriture et utilisation.
  - Boucles (for, while) et conditions (if/else).
  - Projets R et R Markdown pour la reproductibilité.