Comprendre le but d’une étude, l’importance de sa planification afin d’éviter les biais et d’augmenter les chances de prendre la bonne décision.
Pouvoir dialoguer avec un statisticien et prévoir les informations qui lui sont nécessaires, notamment lors de la planification d’une étude et de l’analyse de résultats.
Identifier la nature du plan d’expériences (ex : parallel groups, crossover, factorial) et celle de la réponse à étudier (quantitative, qualitative, données indépendantes ou appariées). Identifier la présence éventuelle de covariables.
Déduire le type d’analyse statistique à effectuer (à l’aide du logiciel R) en fonction de la complexité du plan d’expériences. Pouvoir interpréter et synthétiser les résultats de façon claire.
La formation s’articule autour de quatre modules :
M1 – Introduction. Pose les principes fondamentaux et le vocabulaire associé aux statistiques appliquées. Permet de comprendre le rôle du statisticien. Détaille les étapes de la planification d’expériences puis celles de l’analyse des données. Présente la loi de Gauss, les statistiques descriptives (paramètres, graphiques), les intervalles statistiques.
M2 – Comparaison des moyennes. Associe méthodes statistiques et dispositifs expérimentaux. Présente le test-t puis l’analyse de la variance dans le cas de groupes indépendants ou appariés. Présente les tests de différence et d’équivalence.
M3 – Analyse par régression. Présente la régression linéaire simple et les indicateurs permettant de juger de sa validité. Etend les notions aux modèles polynomiaux.
M4 – Comparaison de proportions. Porte sur les tests statistiques associés aux tables de contingence 2 x 2. Introduit la loi binomiale, la comparaison de deux proportions moyennes. Présente les indicateurs statistiques fréquents en clinique (ex : sensibilité, spécificité).
La formation comporte de nombreux exercices traités lors des travaux pratiques et également en-dehors. Leur suivi s’effectue via le forum du cours (Webcampus).
Présentation des modules à l’aide de supports Powerpoint et d’exemples traités avec le logiciel R. Les diapositives comportent de nombreuses questions auxquelles les étudiants peuvent répondre lors des séances de cours. Des travaux pratiques sur PC sont également prévu afin de se familiariser avec le logiciel R.
Il s’agit d’un examen écrit de 3 heures. Il comporte en général 5 à 6 exercices. L’étudiant n’a pas à utiliser le logiciel R. Il doit pouvoir interpréter des tableaux de résultats et des graphiques issus généralement d’articles ou de rapports d’analyse. Les notes de cours sont autorisées.
Les modalités exactes de l’évaluation sont susceptibles d’être modifiées lors de l’élaboration des horaires d’examens, en fonction des contraintes pratiques auxquelles l’administration facultaire peut être confrontée, ou en cas de maladie/cas de force majeure/empiètement avec un stage, ou encore à cause de la situation sanitaire liée au coronavirus.
Le cours et les codes R associés aux exercices sont disponibles sur WebCampus.
R Development Core Team (2005). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL: http://www.R-project.org
Livres cités aux étudiants :
Dagnelie P. [2013]. Statistique théorique et appliquée. Tome 1. Statistique descriptive et bases de l'inférence statistique. Bruxelles, De Boeck, 517 p. ISBN 978-2-8041-7560-3
Dagnelie P. [2011]. Statistique théorique et appliquée. Tome 2. Inférence statistique à une et à deux dimensions. Bruxelles, De Boeck, 736 p. ISBN 978-2-8041-6336-5
| Formation | Programme d’études | Bloc | Crédits | Obligatoire |
|---|---|---|---|---|
| Standard | 0 | 4 | ||
| Standard | 0 | 4 | ||
| Standard | 0 | 4 | ||
| Standard | 1 | 4 | ||
| Standard | 1 | 4 | ||
| Standard | 1 | 4 |