Acquis d'apprentissage

Savoir appliquer la modélisation mixte et généralisée, les statistiques multivariés, et interpréter les résultats, y compris ceux publiés dans des articles scientifiques.

 

Objectifs

Former les étudiants à l’application et à l’interprétation des modèles mixtes et généralisés, ainsi qu’aux statistiques multivariées.

 

Contenu

Module 1 : Modélisation statistique linéaire
 
Introduction théorique aux modèles mixtes et généralisés (6h) ; Séances d’exercices sur R (14h) ; Deux études de cas sur des modèles mixtes et généralisés (4h+2h).

 

Module 2 : Analyse de données multivariées

Ce module détaille comment visualiser et vérifier des données multivariées, comment synthétiser et combiner un ensemble de variables continues en un nombre inférieur de variables grâce à l'ACP (Analyse en Composantes Principales), comment réaliser l'équivalent de l'ACP pour des données catégorielles (AFC, Analyse Factorielle des Correspondances), et comment démêler les liens entre deux ensembles de variables continues (Analyse de Corrélation Canonique). La philosophie d'enseignement insiste sur le fait que les statistiques sont des outils et que les compétences clés que l'étudiant doit acquérir sont l'expertise pour choisir le bon outil pour le travail, comment le paramétrer et interpréter ses résultats de manière critique. Des exemples réels issus de l'écologie seront utilisés pour illustrer des cas propres mais aussi plus difficiles, plus proches de la vie réelle.

 

Table des matières

Module 1 (Modélisation statistique linéaire) :

- Introduction théorique à la LMM et à la GLMM

- Application aux données : comportement du killifish des mangroves

- Application aux données : fourmis rouges des bois

 

Module 2 (Analyse de données multivariées) :

• visualiser et vérifier les données multivariées

• PCA (Analyse en Composantes Principales),

• PCA pour données catégorielles (FCA, Analyse Factorielle des Correspondances)

• Analyse de Corrélation Canonique

 

Exercices

Apprendre à résoudre un problème statistique. Trouver l'analyse appropriée face à un problème, vérifier les conditions d'application relatives à l'utilisation de cette analyse, réaliser le test statistique sur le logiciel R, interpréter les résultats obtenus et les illustrer.

Autres informations : 

Une connaissance de base du logiciel R est requise : l'étudiant doit être capable de créer et de modifier des ensembles de données R de manière autonome et d'effectuer des procédures de gestion de données et d'analyse statistique de base. Si ces connaissances ne sont pas acquises, l'étudiant doit être formé de manière autonome à ces compétences, par exemple au moyen des nombreuses ressources disponibles gratuitement en ligne.

Méthodes d'enseignement

Cours magistraux, séminaires et séances d'exercices en salle informatique. L'étudiant est encouragé à l'interactivité pour toutes ces activités.

Méthode d'évaluation

Les deux modules seront évalués séparément, chaque module contribuant à hauteur de 10/20 à la note finale. La note finale devant être un nombre entier, la somme des deux notes sera arrondie à la hausse si les deux modules sont réussis (au moins 5/10) et à la baisse si ce n'est pas le cas.

 

Module 1 (Modélisation statistique linéaire) :

Examen à livre ouvert, comprenant deux exercices sur LMM et GLM(M) sur R (basés sur les TPs et le premier séminaire) et une étude de cas (basée sur le deuxième séminaire).

 

Module 2 (Analyse de données multivariées) :

Examen écrit à livre ouvert composé de questions à choix multiples, de questions ouvertes et de résolution pratique d'exercices avec le logiciel R sur ordinateur. L'examen se déroule sur Moodle, dans une salle informatique du campus, sauf si les règles sanitaires imposent de passer l'examen à distance.

Sources, références et supports éventuels

Toutes les ressources sont disponibles sur le site de Moodle : visuels des cours et des séances pratiques, jeux de données et scripts R, liens vers des ressources complémentaires et des ouvrages de soutien. Les visuels du cours et les supports aux travaux pratiques sont disponibles sur Moodle.

Langue d'instruction