La problématique de la régression, mise en relation fonctionnelle de grandeurs, est présentée.
Les bases de la régression linéaire, dont l’analyse de variance, sont rappelées.
La notion d’erreur et de précision d’estimation, la méthodologie de choix d’un modèle, sont développées.
Les notions d’effet propre, d’ajustement, majeures en recherche clinique, sont développées.
Les modèles régressifs d’analyse de la survenue d’événements sont présentés.
Compétences à acquérir
Statistique avancée et biostatistiques. Connaître la méthodologie et les méthodes usuelles de recherche de facteurs de risque, de facteurs prédictifs et de facteurs pronostiques.
Connaître les principes d’une régression linéaire multiple, d’une régression logistique, du modèle de Cox.
Etre capable d’effectuer et interpréter une régression linéaire multiple, une régression logistique, une analyse de survie par un modèle de Cox
Langue(s) d'enseignement
Français
Prérequis obligatoires
UE STA-UNIV ou connaissance des éléments d’analyse statistique univariée (distributions, tendance centrale et dispersion) et bivariée (tableaux croisés, comparaison de deux distributions, corrélations, test statistique principaux)
Connaissance de l’utilisation d’un ordinateur, traitement de texte, outil de présentation assistée par ordinateur
Modalités d'organisation
Cours, Webconférence, tutorat à distance sur Internet