• Aucun résultat trouvé

Projet en tests non param´ etriques

N/A
N/A
Protected

Academic year: 2022

Partager "Projet en tests non param´ etriques"

Copied!
1
0
0

Texte intégral

(1)

Universit´e Joseph Fourier- Universit´e Pierre Mend`es France Master Statistique

UE Statistique Non Param´etrique

Projet en tests non param´ etriques

Votre rapport devra faire moins de 10 pages. Il n’est pas n´ecessaire de mettre le code (SAS ou R). Soyez attentifs `a la pr´esentation synth´etique de vos r´esultats, `a l’ortho- graphe et la grammaire. Vous devez l’envoyer au format pdf avant le 21 novembre 2014

`

a adeline.leclercq-samson@imag.fr

Les donn´eesapnee.csvsont constitu´ees d’un ´echantillon de patients admis dans un service du CHU d’Angers pour trouble de sommeil (apn´ee du sommeil). L’objectif de l’´etude est de mettre en place un mod`ele de r´egression logistique pour pr´edire la probabilit´e de que ces patients fassent une apn´ee du sommeil et les facteurs de risque associ´es `a cette apn´ee.

Intitul´e des variables : – IDEN num´ero de l’individu

– SEXE sexe de la personne (0=homme, 1=femme) – AGE en ann´ees

– TAILLE en cm – POIDS en kg

– TABAC Comportement au niveau du tabac (1=fumeur,0=non-fumeur) – APNEE Diagnostic d’apnee du sommeil (1=apnee,0=pas d’apnee)

– ALCOOL Nombre de verres bus par jour (en ´equivalent verre de vin rouge)

1. Faire les analyses descriptives univari´ees de l’ensemble des variables.

2. Etudier les relations bivari´ees des diff´erentes variables avec des indicateurs statistiques ainsi que des tests statistiques.

3. Commenter le lien entre la survenue d’un ´episode d’apn´ee du sommeil et chacun des facteurs de risque.

Références

Documents relatifs

F., A Robbins-Monro procedure for estimation in semiparametric regression models, Annals of

Regarder les hypoth` eses statistiques du mod` ele et analyser leurs cons´ equences (absence de biais, convergence, efficience).. Distinguer entre les cas d’erreurs h´ et´

Puis se produit une nouvelle bifurcation de type doublement de p´eriode, c’est-`a-dire que les or- bites p´eriodiques se d´eplient en deux nouvelles orbites p´eriodiques de

boxcox (MASS) transformation de Box-Cox dans le cas d’un LNM bcPower (car) transformation de Box-Cox, Yeo-Johnson ou puissance lm (stats) ajuste un mod` ele de r´ egression lin´

Y∼0+X1 r´ egression lin´ eaire simple sans intercept (identique au pr´ ec´ edent) Y∼X1-1 r´ egression lin´ eaire simple sans intercept (identique au pr´ ec´ edent)

La fonction residuals fournit diff´ erents types de r´ esidus ` a partir d’un mod` ele ajust´ e avec la fonction glm du package stats, charg´ e par d´ efaut. On peut effectuer

D´ eterminer les meilleures zones d’´ echantillonnage pour estimer les diff´ erents

D´ eterminer les meilleures zones d’´ echantillonnage pour estimer les diff´ erents