- EAN13
- 9782759228171
- Éditeur
- Quae
- Date de publication
- 28/06/2018
- Collection
- Savoir-faire
- Langue
- français
- Fiches UNIMARC
- S'identifier
De l’analyse des réseaux expérimentaux à la méta-analyse
Méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales
François Brun, David Makowski, François Piraux
Quae
Savoir-faire
Autre version disponible
-
Papier - Quae 25,00
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
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
S'identifier pour envoyer des commentaires.