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.
De l'analyse des réseaux expérimentaux à la méta-analyse. Méthode et applications avec le logiciel R pour les sciences agronomiques et environnementales
Par : , ,Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay estimée à partir du 16 septembreCet article sera commandé chez un fournisseur et vous sera envoyé 21 jours après la date de votre commande.
- Retrait Click and Collect en magasin gratuit
- Nombre de pages161
- FormatGrand Format
- PrésentationBroché
- Poids0.305 kg
- Dimensions16,0 cm × 24,0 cm × 0,8 cm
- ISBN978-2-7592-2815-7
- EAN9782759228157
- Date de parution28/06/2018
- CollectionSavoir faire
- ÉditeurQuae éditions
Résumé
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.
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.
