Fournit un exemple pour faire attendre les dépendances d'un conteneurs (exemple : MySQL, Postgres, Redis, Mongodb) en utilisant l'outil dockerize. Le test de Friedman est une alternative non paramétrique au test ANOVA à un facteur sur mesures répétées. Il étend le test des signes dans le cas où il y a plus de deux groupes à comparer. Il est recommandé lorsque les hypothèses de normalité du test ANOVA à un facteur sur mesures répétées ne sont pas respectées ou lorsque la variable dépendante est mesurée sur une échelle ordinale. Dans ce chapitre, vous apprendrez à calculer le test de Friedman dans R et à effectuer des comparaisons par paires entre groupes. Le test de Kruskal-Wallis est une alternative non paramétrique au test ANOVA à un facteur. Il est recommandé lorsque les hypothèses du test ANOVA à un facteur ne sont pas respectées. Ce chapitre décrit comment calculer le test de Kruskal-Wallis à l'aide du logiciel R. L'analyse multivariée de la variance (MANOVA) est une ANOVA avec au moins deux variables-réponse continues. Le test MANOVA à un facteur teste simultanément les différences statistiques pour plusieurs variables-réponse en fonction d'une seule variable de groupement. Ce chapitre décrit comment calculer le test MANOVA à un facteur dans R. L'Analyse de la covariance (ANCOVA) sert à comparer les moyennes d'une variable-réponse entre deux ou plusieurs groupes en tenant compte (ou en corrigeant) la variabilité d'autres variables, appelées covariables. Dans ce chapitre, vous apprendrez comment calculer et interpréter l'ANCOVA à un facteur et à deux facteurs dans R. L'ANOVA mixte sert à comparer les moyennes des groupes classés selon deux différents types de variables catégorielles, notamment : i) les facteurs inter-sujets, qui ont des catégories indépendantes (par exemple, sexe : hommes/femmes) ; ii) les facteurs intra-sujets, qui ont des catégories apparentées, également désignées sous l'expression de mesures répétées (par exemple, le temps: avant/après traitement). Ce chapitre décrit comment calculer et interpréter les différents tests ANOVA mixtes dans R. L'ANOVA sur mesures répétées est utilisée pour analyser des données lorsque les mêmes sujets sont mesurés plus d'une fois. Ce chapitre décrit les différents types d'ANOVA sur mesures répétées ANOVA, notamment : 1) ANOVA à un facteur sur mesures répétées, une extension du test t sur échantillons appariés pour comparer les moyennes de trois niveaux ou plus d'une variable intra-sujets. 2) ANOVA à deux facteurs sur mesures répétées, utilisée pour évaluer simultanément l'effet de deux facteurs intra-sujets sur une variable-réponse continue. 3) ANOVA à trois facteurs sur mesures répétées, utilisée pour évaluer simultanément l'effet de trois facteurs intra-sujets sur une variable-réponse continue. Le test ANOVA (ou Analyse de variance) est utilisé pour comparer la moyenne de plusieurs groupes. Ce chapitre décrit les différents types d'ANOVA pour comparer les groupes indépendants, notamment : 1) ANOVA à un facteur : une extension du test sur échantillons indépendants pour comparer les moyennes dans une situation où il y a plus de deux groupes. 2) ANOVA à deux facteurs utilisée pour évaluer simultanément l'effet de deux variables de groupement différentes sur une variable-réponse continue. 3) ANOVA à trois facteur utilisée pour évaluer simultanément l'effet de trois variables de groupement différentes sur une variable-réponse continue. Le test des signes est utilisé pour comparer les médianes d'échantillons appariées. Il s'agit d'une alternative au test t et au test de Wilcoxon sur échantillons appariés, où la distribution des différences entre les valeurs des données appariées n'est ni normale (dans le test t) ni symétrique (dans le test de Wilcoxon). Dans ce chapitre, vous apprendrez comment calculer le test des signes des échantillons appariés dans R Ce chapitre décrit comment calculer et interpréter le test de Wilcoxon dans R. Ce test est une alternative non paramétrique au test t pour comparer deux moyennes. Vous apprendrez comment calculer les différents types de tests de Wilcoxon dans R, notamment : le test des rangs signés de Wilcoxon sur échantillon unique, test de la somme des rangs de Wilcoxon et le test des rangs signés de Wilcoxon sur échantillons appariés. Nous montrerons également comment vérifier les hypothèses et calculer la taille de l'effet.