Arkesys

Outils statistiques appliqués à l'expérimentation animale

Par Arkesys

Objectifs

  • Comprendre le vocabulaire associé à la pratique expérimentale
  • Recenser les contraintes liées à l’expérimentation animale (éthique, cout, qualité statistique, …)
  • Comprendre les variables en jeu (facteurs, réponses, bruit, …)
  • Réaliser un protocole expérimental à un facteur
  • Réaliser un protocole expérimental à plusieurs facteurs
  • Dimensionner le nombre de sujets nécessaires
  • Comprendre les risques d’erreurs liés à l’expérimentation animale et connaitre les solutions apportées
  • Interpréter les résultats issus d’un schéma expérimental croisé avec quelques facteurs (2,3,4)
  • Interpréter le sens physique des effets et des interactions
  • Mettre en application autour des thématiques métiers (applications effets doses réponses, détection de facteurs influents, …)
  • Interpréter grâce à l’analyse de la variance les résultats expérimentaux
  • Traduire les résultats statistiques en effets biologiques, physiques, …

Programme

Vocabulaire, objectifs et contraintes liée aux outils statistiques appliqués à l'expérimentation animale

  • Les variables en jeux
    • Les variables réponses
    • Les variables facteurs
    • Les variables blocs
    • Les variables bruits
  • Les contraintes
    • Contraintes de coûts
    • Contraintes éthiques
    • Niveaux d’exigence de qualité des analyses statistiques
  • Les objectifs de l’expérimentation animale
    • Détection de facteurs influents
    • Compréhension des interactions entre facteurs
    • La modélisation (prédiction, optimisation)
  • Les objectifs de l’organisation du schéma expérimental
    • Sélection des essais à réaliser
    • Déterminer le nombre de répétitions nécessaires
    • Organiser les essais en tenant compte des contraintes expérimentales
    • Garantir un niveau de qualité statistique pertinent
  • Maitrise des risques associés à la pratique expérimentale
    • Risque d’erreur expérimentale pure
    • Risque statistique due à l’erreur d’échantillonnage (risques alpha, béta)
    • Risque de confusions entre effets
    • Solutions apportées
  • Erreur de mesure
    • Erreur de répétabilité
    • Erreur de reproductibilité
    • Identifier les conditions de mesurage

Mise en œuvre et interprétation des résultats des analyses statistiques

  • Type de variables : variables qualitatives vs variables quantitatives
  • Outils de statistiques descriptives
    • Grandeurs de position
    • Grandeurs de dispersion
    • Outils graphiques
  • Statistique inférentielle - De l’échantillon à la population
    • Intervalle de confiance
    • Techniques d’estimations
    • Tests d’hypothèses
    • Démarche
    • Vocabulaire
    • Risques associés aux décisions
    • Lien entre décisions statistiques et protocole expérimental
  • L’analyse de la variance
    • Objectif de l’Anova
    • Lien entre protocole expérimental et Anova
    • Erreurs à ne pas commettre dans l’Anova
    • Analyse des effets des facteurs
    • Analyse des effets des interactions
    • Anova sur mesures répétées
    • Tests post-hoc

Structuration d’un protocole expérimental

  • Structure des essais
  • Plan à un facteur
  • Plans à plusieurs facteurs
  • Plans croisés
  • Plans parallèles
  • Plans équilibrés
  • Plans à mesures répétées
  • Plans avec blocs
  • Problématique des plans déséquilibrés
  • Calcul du nombre de sujets et du nombre de répétitions
  • Puissance d’un protocole expérimental

Puissance de test et calculs des tailles d’échantillons

  • Définitions du risque beta et de la puissance de test
  • Lien entre le risque alpha, le risque beta et la puissance de test
  • Lien entre la puissance de test et le delta détectable (ou détecté)
  • Illustrations graphiques des différents liens (alpha, beta, delta, écart-type, n)
  • Les 3 stratégies selon les contextes :
    • Calculer le n
    • Calculer la puissance
    • Calculer l'effet
  • Dimensionnement d'un test de comparaison de 2 moyennes type Student
  • Dimensionnement d'un test de comparaison de k moyennes type Anova
  • Dimensionnement d'un test de comparaison de proportions type Khi ², Fisher’s exact

Pédagogie

  • Explications théoriques suivies de pratiques guidées puis mises en autonomie
  • 1 vidéoprojecteur par salle
  • 1 ordinateur par stagiaire
  • Exercices de synthèse et d’évaluation
  • Evaluation de fin de stage

Formations de la même catégories (5)

Top Finance
Etfs et etps: fonctionnement et guide d’utilisationPar Top Finance
  • Définir les ETPs et appréhender les développements du marché
  • Maîtriser les techniques de réplication et de gestion utilisées par les ETPs, tout en comprenant les risques associés
  • Maîtriser les stratégies d’investissement à base d’ETPs dans une allocation d’actifs
  • Maîtriser les démarches de sélection d’un ETPs
IB Formation
Analyse statistique avancée avec RPar IB Formation

L’analyse statistique des données est une des compétences requises pour mettre en oeuvre des projets Big Data. Selon la nature des données manipulées et le type d’analyses souhaitées, il est parfois nécessaire de recourir à des techniques d’analyses avancées. Aussi, tout Data Scientist doit-il aujourd’hui maitriser l’implémentation d’outils statistiques sous R pour réaliser des analyses non ponctuelles et inférentielles paramétriques ou de données uni ou multivariées pour tous les domaines dans le service, l’industrie ou encore la RetD. Cette formation avancée permettra aux participants de maitriser R et ainsi d’être à même d’analyser tous types de données dans leurs projets Big Data.

Arkesys
MiniTab - Statistiques notions fondamentales, tests d’hypothèses et traitement des petits échantillonsPar Arkesys

La formation en quelques mots

Dans ce module de formation, nous proposons de baser notre pédagogie autour des thèmes suivants :

Au-delà des compétences statistiques pures, l'important dans ce type de formation est de comprendre les mécanismes fondamentaux présents dans la plupart des manipulations des outils statistiques :
D'une façon générale, ces mécanismes sont les suivants :

Par exemple, dans le calcul d'un écart-type, élément clé présent dans un grand nombre de méthodes statistiques, il nous paraît plus important d'appréhender le sens physique de l'écart-type plus que la formule mathématique en traitant les points suivants :

Spécificités des petits échantillons

Cette formation intègre le traitement statistique des petits échantillons.
Cette spécificité nous amène ainsi à aborder certains thèmes tels que :

Thèmes principaux

Jeux de données

Afin de s'approcher au mieux des réalités quotidiennes des praticiens, nous suggérons de nous appuyer pour l'animation pratique de thématiques et surtout de jeux de données reflétant le quotidien des apprenants.
Cet élément est un facteur de réussite pour la formation. Elle permet aux apprenants de :

Il sera donc pertinent que les apprenants puissent réfléchir en amont de la formation à des problématiques, jeux de données ou documents susceptibles d’être utilisés en support lors de la formation.

Outil logiciel

Au-delà de l'apprentissage des thématiques statistiques, la mise en application s'effectuera sur le logiciel MiniTab.
Environ une demi-journée de travail sera donc consacrée à l'apprentissage du logiciel, son ergonomie, la structuration des données permettant aux apprenants d'acquérir l'autonomie sur ce logiciel.

Data Value
Fiabilité et méthodes statistiquesPar Data Value

Acquérir une connaissance méthodologique et pratique de la fiabilité et des méthodes statistiques associées

Afnor compétences
Statistiques de base appliquées à la mesurePar Afnor compétences
  • Choisir des bons tests statistiques
  • Interpréter pertinemment les données recueillies
Nous utilisons les cookies afin de fournir les services et fonctionnalités proposés sur notre site et afin d’améliorer l’expérience de nos utilisateurs. En cliquant sur ”J’ai compris”, vous acceptez l’utilisation de ces cookies.