IDS-neuroprothese

Pr. Emmanuel LE CLEZIO
Université de Montpellier
Institut d’électronique
860 rue de Saint-Priest, CC05003
34095 Montpellier Cedex 05
Bat. 5 – Etg. 3 Bureau 110
Tél : 33(0)4 67 14 32 07/33(0)7 76 11 23 42
https://www.ies.univ-montp2.fr/edr/m2a/

Pr. Denis MOTTET
Université de Montpellier
EuroMov
700 Avenue du Pic Saint Loup
34090 Montpellier, France
Fax : 33(0) 411 759 050

Madame FABRY Claudie
FACULTÉ DES SCIENCES
CC 92000 Place Eugène Bataillon
34095 Montpellier Cedex 5
Tél : 33(0)4 67 14 96 21

Présentation

Description :
L’UE « Ingénierie : Mathématique » vise à fournir aux étudiants les notions théoriques et pratiques d’analyse statistique de données.

Objectifs :
Savoir résumer et représenter judicieusement un jeu de données. Comprendre les notions de population, individus, échantillons choisis au hasard. Comprendre la notion d’estimation. Connaître les principes de base de l’inférence statistique via les tests d’hypothèses et les intervalles de confiance. Savoir appliquer ces notions aux cas de données discrètes et continues avec un, deux et plusieurs échantillons. Maitriser les commandes idoines de R.

Volumes horaires :

CM : 19,5 h
TD : 10,5 h
TP : 10,5 h
Terrain : 0 h

Pré-requis nécessaires :

L3 scientifique ou de santé.

Pré-requis recommandés :

R.A.S

Plus d’informations

Contrôle des connaissances :

Contrôle Continu Intégral (CCI)

Syllabus :

Introduction à R ; les différents types de données ; représentations graphiques de données discrètes : bar chart, camenbert ; représentations graphiques de données continues : histogramme, diagramme en moustache. Mesures de tendance centrale et de dispersion : moyenne, médiane écart-type, intervalle interquartil e, quantiles d’un jeu de données. Représentation graphique de paires de données : le scatterplot. Mesures de la force d’une relation : coefficient de corrélation de Pearson et de Spearman. Probabilités et hasard, indépendance d’événements, expérience aléatoire, événements ; quelques lois de probabilités : Bernoulli, binomiale, Poisson, uniforme, normale, exponentielle.. (6 h CM + 3h TD + 1.5hTP) Populations, échantillons et lois d’échantillonnage. Le théorème central de la limite et ses utilisations en l’estimation. Importance de l’absence de biais. Notions de base sur les tests d’hypothèses et les intervalles de confiance. Applications au données binaires. Commande binom.test de R (3 h CM + 3h TD + 1.5hTP).

Inférence statistique (tests d’hypothèses , intervalles de confiance) pour des données continues. Cas de un échantillon, échantillons pairés et appariés. Test de Student (t.test), test de normalité (shapiro.test), test de wilcoxon (wilcox.test). Cas de deux échantillons discrets : tables de contingence, test dukhi-cdeux de Pearson et de Fisher-Yates. Test de student et de Wilcoxon pour le cas de données continus.

Le cas de plusieurs échantillon : ANOVA et test de Kruskal-Wallis. Le problème des comparaisons multiples, Méthode de Holm et FDR (false discovery rate) appliquées avec des tests de student et de Wilcoxon 2 x 2.

Données bivariées : nuage de points, régression linéaire, polynomiale et multiple. Sélection du meilleur modèle de régression. Analyse de la covariance (ANCOVA).

Contacts

Responsable : Gilles Ducharme <gilles.ducharme@umontpellier.fr>
Contact(s) administratif(s) : Claudie Fabry <claudie.fabry@umontpellier.fr>