De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales - quae - 9782759228157 -
De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales 

De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales

L’analyse de données joue un rôle croissant dans la recherche agronomique, l’expertise scientifique et les études prospectives. Des sources de données multiples sont souvent disponibles pour estimer un paramètre clé ou pour tester une hypothèse d’intérêt scientifique ou sociétal. Ces données, obtenues dans différentes conditions environnementales ou basées sur différents [...]
[lire le résumé du livre]

Auteur : 

Editeur : Quae

Date parution :

Reliure :
Broché
Nbr de pages :
161
ISBN 10 :
2759228150
ISBN 13 :
9782759228157
25,00 €
Disponible expédié
sous 4 à 8 jours

Paiements sécurisés
CB Google/Apple Pay, Chèque, Virement
0.01€ à partir de 35€ en France métropolitaine
Satisfait ou remboursé sous 14 jours ouvrés

Quel est le sujet du livre "De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales"

L’analyse de données joue un rôle croissant dans la recherche agronomique, l’expertise scientifique et les études prospectives. Des sources de données multiples sont souvent disponibles pour estimer un paramètre clé ou pour tester une hypothèse d’intérêt scientifique ou sociétal. Ces données, obtenues dans différentes conditions environnementales ou basées sur différents protocoles expérimentaux, sont généralement hétérogènes. Parfois même, elles ne sont pas accessibles et il est nécessaire de les extraire d’articles scientifiques ou de rapports. Pourtant, une analyse globale des données disponibles est essentielle pour augmenter la précision des estimations, évaluer la robustesse des conclusions et comprendre l’origine de la variabilité de certains résultats. Une synthèse quantitative de l’ensemble des données disponibles permet de mieux comprendre les effets de facteurs expérimentaux et d’affiner les recommandations agronomiques.

Conçu comme un guide méthodologique, cet ouvrage montre les intérêts et les limites de différentes méthodes statistiques permettant d’analyser des données issues de réseaux expérimentaux et de réaliser des méta-analyses. Il s’adresse aux ingénieurs, étudiants et chercheurs impliqués dans l’analyse de données agronomiques. Notre objectif est de présenter les principales méthodes statistiques permettant de réaliser une synthèse quantitative des données issues des réseaux expérimentaux et des publications scientifiques. Chaque chapitre expose une ou plusieurs méthodes et les illustre à l’aide d’exemples traités avec le logiciel R. Les données et les codes R sont fournis et commentés afin de faciliter leur adaptation à d’autres situations pratiques. Ils peuvent être utilisés à partir du « package » R KenSyn associé à ce livre.

Ce livre est également disponible en anglais sous le titre From Experimental Network to Meta-analysis auprès des éditions Springer - www.springer.com


Auteurs :

Auteur Auteur Auteur David Makowski est directeur de recherche à l'Inra, au sein du département Environnement-Agronomie. François Piraux est statisticien chez Arvalis-Institut du végétal. François Brun travaille à l'Acta - les instituts techniques agricoles, où il est en charge du numérique, de la modélisation et de l'analyse de données. Les trois auteurs animent ensemble le réseau mixte technologique 'Modélisation et analyse de données pour l'agriculture' au sein duquel ils ont organisé de nombreuses formations et séminaires en statistique et modélisation, en France et à l'étranger.

En suivant ce lien, retrouvez tous les livres dans la spécialité Informatique-Audiovisuel.

    Sommaire et contenu du livre "De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales"

    Chapitre 1. Introduction etexemples

    Objectifs del’analyse de réseaux d’expérimentations et de la méta-analyse

    Données

    Le type dedonnées

    La collectedes données

    La validationdes données

    Analyse

    Principalesétapes

    Présentationdes hypothèses testées

    Collecte desdonnées

    Validationdes données

    Analyse desdonnées

    Validation del’analyse

    Communicationdes résultats

    Objectif del’ouvrage

    Un exemplesimple de modèle mixte

    Définition

    Données

    Définition dumodèle

    Estimation

    Comparaisonavec le modèle sans effet aléatoire

    Références

     

    Partie I. Analyse des réseaux expérimentaux

     

    Chapitre 2. Notions de base

    Expérimentationagronomique

    Réseaud’expérimentations

    Définition

    Exemple deréseau d’expérimentations

    Notiond’environnement

    Objectifsd’un réseau d’expérimentations

    Notion depopulation d’environnements

    Notiond’interaction

    Références

     

    Chapitre 3. Analyse d’un réseaud’expérimentations en blocs

    aléatoires complets à un facteur étudié

    Objectif duchapitre

    Exemple « blé»

    Modélisation

    Modèle avecun effet expérimentation aléatoire

    Modèle avecun effet expérimentation fixe

    Exemple

    Commentchoisir entre un modèle avec un effet expérimentation fixe et un modèle avec uneffet expérimentation aléatoire ?

    Évaluation dumodèle

    Normalité

    Homoscédasticité

    Indépendance

    Donnéessuspectes

    Comparaisonsde moyennes

    Testsd’hypothèse : tests d’égalité

    Intervallesde confiance

    Testsd’hypothèse : tests d’équivalence

    Exemple

    Exemple « blé» : script R et analyse commentée

    Références

     

    Chapitre 4. Méthodes avancéespour l’analyse des réseaux

    Analyse desdonnées moyennes

    Étape 1 :analyse des expérimentations individuelles pour estimer les moyennes destraitements

    Étape 2 :analyse des données moyennes

    Exemple

    Une variante: analyse des données moyennes avec un modèle fixe

    Estimation dela variance d’interaction traitement-expérimentation

    Script R

    Expérimentationsavec variances hétérogènes

    Introduction

    Exemple « blé»

    Pour allerplus loin

    Donnéesmanquantes

    Origine desdonnées manquantes

    Moyennesajustées

    Les facteurslieu et année

    Objectif

    Exemple «blé_pluri »

    Modèle pourl’analyse des données moyennes

    Estimation dela variance de l’interaction traitement-année-lieu

    Variance dela différence entre deux traitements

    Analyse del’exemple « blé_pluri » et script R

    Références

     

    Chapitre 5. Planification d’unréseau d’expérimentations

    Objectif

    Comparaisonde deux traitements

    Cas d’unréseau multilocal

    Cas d’unréseau multilocal et pluriannuel

    Autrescontrastes

    Comparaison àla moyenne de plusieurs témoins

    Comparaison àla moyenne générale

    Références

     

    Partie II. La méta-analyse

     

    Chapitre 6. Notions de basepour la méta-analyse

    Définition,origine et principales étapes de la méta-analyse

    Estimationd’une taille d’effet moyenne

    Objectif

    Recherchesystématique des études, sélection des références et extraction de données

    Estimation dela taille d’effet moyenne avec un modèle sans effet aléatoire

    Estimation dela taille d’effet moyenne avec un modèle à effets aléatoires

    Métarégression

    Objectif

    Exemple

    Modèles derégression avec et sans effet aléatoire

    Exemple(suite)

    Analysecritique des résultats

    Références

     

    Chapitre 7. Problèmesstatistiques spécifiques pour la méta-analyse

    Définition dela taille d’effet

    Correction desbiais liés à l’utilisation de ratios

    Différenceentre moyennes d’observations

    Taillesd’effet pour les données binaires

    Coefficientde corrélation

    Taillesd’effet basées sur la variance

    Modèleslinéaires généralisés pour l’analyse de données discrètes

    Modèlebinomial logit à effets aléatoires pour analyser l’effet d’un traitement

    Exemple

    Modèles nonlinéaires mixtes

    Intérêt etdéfinition

    Exemple

    Modèlesbayésiens

    Définition

    Exemple :méta-analyse avec MCMCglmm

    Références

     

    Annexe. Ressources R pour mettre en œuvre les méthodes d’analysedes réseaux et de méta-analyse

    PackageKenSyn : code R et jeux de données des exemples présentés dans

    lesdifférents chapitres

    Installation

    Contenu etutilisation

    Mettre enoeuvre le modèle mixte sous R

    Ajuster unmodèle mixte

    Manipuler lesrésultats des modèles mixtes sous R

    Le packagemetafor, dédié à la réalisation de méta-analyses sous R

    Approchebayésienne avec le modèle mixte

    PackageMCMCglmm

     

    Package coda

    Références

     

      Avis clients sur De l'analyse des réseaux expérimentaux à la méta-analyse : méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales - quae -

      (Ils sont modérés par nos soins et rédigés par des clients ayant acheté l'ouvrage)
      Donnez votre avis
       
      Controler les cookies