Biométrie

lmat1375  2020-2021  Louvain-la-Neuve

Biométrie
En raison de la crise du COVID-19, les informations ci-dessous sont susceptibles d’être modifiées, notamment celles qui concernent le mode d’enseignement (en présentiel, en distanciel ou sous un format comodal ou hybride).
4 crédits
25.0 h + 25.0 h
Q2

  Cette unité d'enseignement n'est pas dispensée en 2020-2021

Enseignants
Schtickzelle Nicolas;
Langue
d'enseignement
Français
Thèmes abordés


Modèle linéaire (LM) + notion d'interaction; Modèle linéaire généralisé (GLM Poisson & Binomial); Modèle mixte et notions de facteurs fixe et aléatoire; Sélection de modèle (AIC); Comparaisons multiples; Puissance statistique et "overfitting"


 
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1 Au terme de cet apprentissage, l'étudiant sera capable de :
'en ce qui concerne la compréhension des statistiques'
-Réaliser un choix d'analyse critique selon la question posée et le type de données à disposition, et justifier ce choix
-Expliquer en français le principe général d'un test d'hypothèse, et la signification d'une p-valeur
-Interpréter en français les résultats d'un test statistique
-Ecrire et interpréter l'équation d'un modèle statistique
-Interpréter des intervalles de confiance de paramètres, de modèles* (moyenne conditionnelle), de prédictions
-Enoncer les conditions d'application d'un test statistique et démontrer sa capacité à les vérifier
-Choisir le type de graphique approprié pour résumer un jeu de données / modèle statistique
'en ce qui concerne l'emploi du logiciel R'
A partir d'une liste détaillée de fonctions et/ou d'exemples résolus :
-Réaliser une analyse de type (G)LM(M), obtenir les coefficients associés au modèle, et tester la significativité de chacune des variables
 -  Vérifier les conditions d'application d'un modèle statistique
 - Réaliser un graphique résumé d'un jeu de données et/ou d'un modèle statistique
- Obtenir un intervalle de confiance pour la moyenne conditionnelle / un intervalle de prédiction
 
Contenu
Avec ce cours, l'étudiant acquirt les notions et principes de base des probablilités et de l'inférence statistiques nécessaires à la démarche scientifique. En fin d'apprentissage, il est à même de déterminer les caractéristiques importantes d'un plan expérimental, de choisir et réaliser l'analyse statistique appropriée à l'analyse des données, et d'interpréter les résultats et les éventuelles limitations aux conclusions à en tirer.
Le cours commence par les bases de la théorie des probabilités. Il détaille ensuite les principes de l'inférence statistique (population vs échantillon; variables et distributions; sources de variations dans les données; test d'hypothèse, p-valeur et erreur de type I et II; intervalle de confiance...). Les principaux types d'analyse statistiques de base sont détaillés et illustrés: test de t, ANOVA (1, 2 et 3), corrélation et régression linéaire simple, données de comptage (X²). Les principes des tests par permutation sont aussi abordés.
Le cours est complété par des travaux pratiques sur ordinateur au moyen du logiciel R qui permettent à l'étudiant de réaliser en pratique toutes les analyses statistiques abordées.
Méthodes d'enseignement

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Cours en auditoire et travaux pratiques en salle informatique. L'étudiant est encouragé à l'interactivité pour toutes ces activités.
Modes d'évaluation
des acquis des étudiants

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Examen écrit à livre ouvert pour la compréhension théorique des concepts, et examen pratique à livre ouvert avec logiciel R sur ordinateur pour la réalisation et l'interprétation d'analyses statistiques sur jeux de données réels.
Autres infos
Une connaissance de base du logiciel R est nécessaire: l'étudiant est supposé être capable de créer et modifier des jeux de données en R de manière autonome. Le cours LBIO1282 vise spécifiquement à donner à l'étudiant ces connaissances; s'il ne l'a pas suivi au préalable, l'étudiant doit se former de manière autonome à ces compétences, p.ex. au moyen des nombreuses ressources disponibles en ligne gratuitement.
Ressources
en ligne
Les diapositives du cours et le matériel en support aux travaux pratiques sont disponibles sur Moodle.
Support de cours
  • Transparents sur Moodle
Faculté ou entité
en charge
BIOL


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master de spécialisation interdisciplinaire en sciences et gestion de l'environnement et du développement durable

Master [120] en sciences et gestion de l'environnement