Acquis d'apprentissage

À l’issue du cours, l’étudiant·e sera capable de :


  • Comprendre et expliquer les principes de base des modèles linéaires normaux, des modèles linéaires généralisés et des modèles linéaires mixtes.
  • Utiliser les méthodes d’analyse multivariée (ACP, analyse des correspondances, mise à l’échelle multidimensionnelle, clustering, analyse discriminante) pour analyser et interpréter des données écologiques ou environnementales.
  • Choisir de manière critique l’outil statistique adapté à une problématique donnée, en vérifier les conditions d’application, paramétrer le modèle et interpréter les résultats.
  • Mettre en œuvre ces outils dans le logiciel R, produire des analyses reproductibles et communiquer clairement les résultats.
  • Développer une autonomie dans l’apprentissage de techniques statistiques plus avancées.


Objectifs

Le cours vise à :


  • Fournir aux étudiant·e·s les fondements méthodologiques de la modélisation statistique linéaire et de l’analyse multivariée.
  • Développer des compétences pratiques pour résoudre des problèmes statistiques réels rencontrés dans les sciences de la vie et de l’environnement.
  • Insister sur l’esprit critique vis-à-vis des outils statistiques et leur bonne utilisation.
  • Relier la théorie à des exemples concrets issus de l’écologie.


Contenu

Module 1 : Modélisation statistique linéaire: Introduction théorique aux modèles généralisés et mixtes.

 

Module 2 : Analyse de données multivariées

 

Table des matières

Module 1 : Modélisation statistique linéaire


  • Chapitre 1 : Récapitulatif des modèles linéaires normaux
  • Chapitre 2 : Modèles linéaires généralisés (partie aléatoire, prédicteur linéaire et fonction de lien ; estimation des paramètres, inférence)
  • Chapitre 3 : Modèles linéaires mixtes (notions de base ; modèles linéaires mixtes comme distributions normales multivariées ; estimation des paramètres, inférence)

Module 2 : Analyse de données multivariées


  • Chapitre 1 : Données multivariées et leur visualisation
  • Chapitre 2 : Ordination par analyse en composantes principales (ACP)
  • Chapitre 3 : Ordination d’un tableau de contingence : analyse des correspondances (AC)
  • Chapitre 4 : Autres techniques d’ordination : mise à l’échelle multidimensionnelle
  • Chapitre 5 : Regroupement d’objets : clustering
  • Chapitre 6 : Affectation d’objets à des groupes : analyse discriminante


Exercices

  • Séances pratiques en salle informatique avec R.
  • Résolution de problèmes statistiques concrets en lien avec l’écologie.
  • Travaux dirigés permettant d’appliquer les concepts théoriques.


Méthodes d'enseignement

  • Cours magistraux, séminaires et séances d’exercices en salle informatique.
  • Utilisation d’exemples réels et de jeux de données écologiques.
  • Pratique intensive du logiciel R pour la mise en œuvre des modèles.
  • Encouragement à l’interactivité et à la participation active.
  • Mise en valeur de l’autonomie et de l’esprit critique.


Méthode d'évaluation

  • Examen écrit à livre ouvert comprenant :
  • des questions à choix multiples,
  • des questions ouvertes,
  • la résolution d’exercices pratiques avec R sur ordinateur.
  • Chaque module contribue à hauteur de 10/20 à la note finale.
  • L’examen se déroule sur Moodle en salle informatique sur campus.
  • Sauf mention contraire dans les consignes, seul l’ordinateur UCLouvain est autorisé et l’usage de l’intelligence artificielle est interdit.


Sources, références et supports éventuels

  • Visuels des cours et supports pour les travaux pratiques disponibles sur Moodle / WebCampus.
  • Jeux de données et scripts R fournis.
  • Références et ressources complémentaires indiquées sur la plateforme.


Langue d'enseignement

Anglais