Cours 2019-2020

Analyse des données biologiques [SBOEM112]

  • 5 crédits
  • 24h+36h
  • 1er quadrimestre
Langue d'enseignement: Français
Enseignant: Depiereux Eric

Acquis d'apprentissage

Au terme de ces activités d’apprentissage, les étudiants auront :

-acquis une autonomie de base pour la mise sur pied d'une expérience scientifique et la gestion des données qu'elle engendre;

-la capacité de choisir les outils statistiques adéquats pour analyser les résultats d’une expérience et les mettre en œuvre à l’aide du logiciel statistique R;

-la capacité d’interpréter de façon critique leurs résultats;

-la capacité d'appliquer des outils d'inférence et de prédiction pour répondre aux questions scientifiques posées sur le phénomène étudié.

 

 

Objectifs

Sensibiliser à la nécessité de la planification préalable à toute experimentation, mobiliser les acquis des années antérieures, maitriser le logiciel R dans le domaine du triatement des données écologiques et introduire de nouvelles techniques et faire percevoir les limites de leurs compétences afin qu’ils n’hésitent pas à prendre conseil.

Contenu

Module 1 (UCLouvain): Modélisation statistique linéaire

 

– Régression linéaire simple et muliple, y compris l'AN(C)OVA

– Modèles linéaires généralisée: régression logistique et régression de Poisson

– Modèles linéaires mixtes

– Mise en oeuvre dans le logiciel R

 

Module 2 (UNamur): Exploration de données multivariées

 

– Matrices de données

– Techniques utiles de l’algèbre matricielle

– Régression linéaire multiple (sans inférence)

– Analyse en composantes principales

– Classification

– Analyse canonique des correspondances

– Mise en oeuvre dans R et dans Excel.

Table des matières

Module 1 (Prof. El Ghouch Anouar)  : Modélisation statistique linéaire

Expériences factorielles : Réponses, facteurs, structure d'une expérience, combinaisons de facteurs, approche

factorielle, principes de planification expérimentale. Rappel des modèles linéaires classiques :

Facteurs quantitatifs, qualitatifs, choix fixe ou aléatoire des modalités, matrice d'expérience, paramètres. Modèles linéaires généralisés.

Module 2 (Prof. Depiereux Eric): Analyse multidimensionnelle

Matrice de corrélation, diagonalisation, décomposition en vecteurs et valeurs propres, Analyse en Composantes

principales, Analyse canonique des correspondances.

 

Description des exercices

Module 2  Tps (50%) : réalisation d’analyses multivariées en R et interprétation des résultats.  Evaluation continue  (50% de la note du module). Pas de seconde session.


Méthodes d'enseignement

Cours magistraux et travaux pratiques en salle informatique.

Pour le module 2 (UNamur), des séances d’auto-apprentissage et classes inversées, les consignes sont données à la première heure de cours.

 

 

Mode d'évaluation

En raison des mesures prises dans la lutte contre la propagation du covid-19 et de celles mises en place au niveau de l'UNamur, les modalités d'évaluation font l'objet de modification pour être adaptées à la situation. Les modalités d'évaluation qui sont ainsi d'application pour la période d'évaluation de fin de troisième quadrimestre (seconde session) sont communiquées par l'enseignant, aux étudiants, via WebCampus pour chaque unité d'enseignement

Chaque titulaire attribuera une note sur 10 sur base de son évaluation spécifique qui interviendra pour 50% de la note finale. Pour réussir, il faut que la somme des deux notes soit au moins 10/20 et que chaque note soit au moins 4/10. Les notes partielles à partir de 5/10 sont acquises pour l'année académique en cours.

 

Module 1 (UCLouvain): examen écrit pendant la session d'examens. Test dispensatoire pour une partie de l'examen vers la fin des cours.

 

Module 2 (UNamur): Evaluation continue durant les classes inversées (50%) : réalisation d’analyses multivariées en Excel et interprétation des résultats, et durant les séances de Tps (50%) : réalisation d’analyses multivariées en R et interprétation des résultats. Pas de seconde session.

Sources, références et supports éventuels

De la variabilité aux risques d'erreur : analyse critique des résultats expérimentaux et de la fiabilité d'une décision clinique. Eric Depiereux. Presses universitaires de Namur, 2013 ISBN : 978-2-87037-789-5

Analyzing Ecological Data. Zuur, Alain, Ieno, Elena N., Smith, Graham M. (2007) Springer,

ISBN: 978-0-387-45967-7 (Print) 978-0-387-45972-1 (Online)

– Page Moodle du cours: https://moodleucl.uclouvain.be/course/view.php?id=7525

– Site web auto-apprentissage Module 2 (UNamur): http://webapps.fundp.ac.be/umdb/biostats2017/

– Code informatique du livre: http://highstat.com/index.php/analysing-ecological-data

Caspules vidéo

http://medias.save.fundp.ac.be/videos/webcampus/2016-cours-biostatistique-Depiereux/module-200-10.mp4
http://medias.save.fundp.ac.be/videos/webcampus/2016-cours-biostatistique-Depiereux/module-210-10.mp4
http://medias.save.fundp.ac.be/videos/webcampus/2016-cours-biostatistique-Depiereux/module-220-10.mp4
http://medias.save.fundp.ac.be/videos/webcampus/2016-cours-biostatistique-Depiereux/module-220-20.mp4
http://medias.save.fundp.ac.be/videos/webcampus/2016-cours-biostatistique-Depiereux/module-220-30.mp4
http://medias.save.fundp.ac.be/videos/webcampus/2016-cours-biostatistique-Depiereux/module-230-10.mp4

http://medias.save.fundp.ac.be/videos/webcampus/2017-cours-biostatistique-Depiereux/module-240-10.mp4

http://medias.save.fundp.ac.be/videos/webcampus/2017-cours-biostatistique-Depiereux/module-240-20.mp4

http://medias.save.fundp.ac.be/videos/webcampus/2017-cours-biostatistique-Depiereux/module-240-30.mp4

http://medias.save.fundp.ac.be/videos/webcampus/2017-cours-biostatistique-Depiereux/module-240-40.mp4

http://medias.save.fundp.ac.be/videos/webcampus/2017-cours-biostatistique-Depiereux/module-240-50.mp4

 

Langue d'enseignement

Français

Lieu de l'activité

NAMUR

Faculté organisatrice

Faculté des sciences
Rue de Bruxelles, 61
5000 NAMUR

Cycle

Etudes de 2ème cycle