3.00 crédits
22.5 h + 15.0 h
Q1
Enseignants
Draye Xavier; Gaspart Frédéric; Govaerts Bernadette;
Langue
d'enseignement
d'enseignement
Français
> English-friendly
> English-friendly
Préalables
Eléments de probabilité et de statistique (typiquement les cours BIR 1203 et BIR 1204)
Thèmes abordés
Méthodes quantitatives d'analyse des données dans le domaine de la bioingénierie. Le cours aborde les méthodes d’analyse des données issues d’expériences : analyse de la variance à un ou plusieurs critères de classification croisés ou hiérarchisés, modèles linéaires généralisés (facteurs catégoriels et continus), modèles pour données catégorielles, analyse en composantes principales.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
1 | a. Contribution de l'activité au référentiel AA (AA du programme) A la fin de cette unité d’enseignement, l’étudiant est capable de :
A la fin de cette activité, l'étudiant est capable, face une situation expérimentale donnée et avec le logiciel R :
|
Contenu
Introduction
Modèles pour une réponse quantitative et un facteur fixe
- Modèle linéaire à un facteur quantitatif
- Modèle polynomial ou non linéaire
- Analyse de la variance à un facteur fixe
Modèles linéaires pour une réponse quantitative et deux facteurs fixes
- Analyse de la variance à deux facteurs fixes
- Régression linéaire multiple
- Analyse de covariance et modèle linéaire général
Modèles pour données catégorielles
- Tables de contingences
- Régression logistique
- Modèles linéaires généralisés
Méthodes multivariées
- Analyse en composantes principales
- Clustering hiérarchique et k-means
Modèles pour une réponse quantitative et un facteur fixe
- Modèle linéaire à un facteur quantitatif
- Modèle polynomial ou non linéaire
- Analyse de la variance à un facteur fixe
Modèles linéaires pour une réponse quantitative et deux facteurs fixes
- Analyse de la variance à deux facteurs fixes
- Régression linéaire multiple
- Analyse de covariance et modèle linéaire général
Modèles pour données catégorielles
- Tables de contingences
- Régression logistique
- Modèles linéaires généralisés
Méthodes multivariées
- Analyse en composantes principales
- Clustering hiérarchique et k-means
Méthodes d'enseignement
Cours en auditoire et en distantiel
Séances de TP
Apprentissage du logiciel R avec Data Camp
Séances de TP
Apprentissage du logiciel R avec Data Camp
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Examen écrit
Test R en cours de quadrimestre (S9 en 2020-21)
Evaluation continue (préparation de TP, quizz)
Test R en cours de quadrimestre (S9 en 2020-21)
Evaluation continue (préparation de TP, quizz)
Autres infos
Ce cours peut être donné en anglais
Ressources
en ligne
en ligne
Toutes les ressources sont en ligne sur Moodle
- Transparents de théorie et d'exemples liés au cours
- Enoncés d'exercices
- Formulaire
- Poscasts des cours enregistrés
- Transparents de théorie et d'exemples liés au cours
- Enoncés d'exercices
- Formulaire
- Poscasts des cours enregistrés
Faculté ou entité
en charge
en charge
AGRO
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] en statistique, orientation biostatistiques
Bachelier en sciences mathématiques
Approfondissement en statistique et sciences des données
Mineure en statistique, sciences actuarielles et science des données
Certificat d'université : Statistique et science des données (15/30 crédits)