MTH Analyses de données statistiques

Descriptif

1. Introduction au cours. Introduction aux principes de programmation en R et Python (1h, 1h + 2h TP)
2. Concepts de base de probabilité et de statistique, (Florian G. / Anthony L.) (1h + 3h TP)
3. Visualisation des données (Florian G. / Anthony L.) (1h + 3h TP)
4. Analyses inférentielles : hypothèses et tests (Anthony L. / Florian G.) (1h + 3h TP)
5. Analyses de Variances et Plans d’expérience (Anthony L. / Florian G.) (1h + 3h TP)
6. Modélisation statistique : régressions simple et multiples, causal regression (Florian G./ Anthony L.) (1h + 3h TP)
7. Modélisation statistique avancée : GLM, GAM, BRT, GLMM, … (Anthony L. / Florian G.) (1h + 3h TP)

Le cours est organisé selon un format de classe inversée. Les principales notions théoriques sont préparées avant chaque séance au moyen de ressources mises à disposition, notamment de courtes capsules vidéo. Les séances en présence sont consacrées :

• ·       aux questions et à la clarification des notions abordées ;
• ·       à l’application des méthodes sur des jeux de données concrets ;
• ·       à l’interprétation et à la discussion des résultats ;
• ·       à la réalisation des travaux pratiques.

Les travaux pratiques sont proposés en parallèle dans deux salles. Les étudiant-e-s choisissent de travailler soit avec R/RStudio, soit avec Python. Les objectifs d’apprentissage, les analyses attendues et les critères de validation sont identiques dans les deux parcours.

Objectifs pédagogiques

Le cours prend la forme d’un atelier d’analyse de cas concrets autour de 5 jeux de données issus des cinq spécialisations du MUSE. Il permet d’aborder des notions pratiques et conceptuelles en analyses de données statistiques.

Il s’agit d’un cours de statistique appliquée aux problématiques environnementales, et non d’un cours de statistique mathématique. Les notions statistiques fondamentales seront néanmoins revues afin de fournir à toutes et tous les bases nécessaires à la compréhension des méthodes utilisées. L’objectif principal est de permettre aux étudiant-e-s d’acquérir une démarche et des outils qu’ils et elles pourront mobiliser pour organiser, explorer, analyser et interpréter les données rencontrées tout au long de leur cursus.

En fin de module les étudiant-e-s devront pouvoir :

1. organiser des données dans Excel, les importer dans R, gérer une session de travail dans R ou Python;
2. réaliser une analyse exploratoire de données, gérer les cas aberrants et les données manquantes ;
3. adapter la nature des représentations graphiques à celle des données et à l’objectif d’une étude, concevoir et réaliser des graphiques adaptés, pertinents et lisibles, dans Python ou R, gérer la redondance tableaux / graphiques et introduire correctement des résultats numériques dans un texte ;
4. choisir et réaliser des tests « simples » dans R ou Python, adaptés à la nature des données et aux objectifs de l’étude (par ex. comparaison d’échantillons, corrélation, analyse de table de contingence,…) ;
5. choisir et réaliser des analyses inférentielles plus complexes en lien avec un plan d’expérience ou d’échantillonnage ;
6. choisir et réaliser un modèle statistique avec les outils de régression simples et multiples dans R ou Python ;
7. choisir et réaliser un modèle statistique avec les outils de régression plus avancés dans R ou Python.

Ils, elles devront être familiarisé-e-s avec les notions de :          

• Types de variables : qualitatives, quantitatives discrètes et continues
• Distribution des données et leurs conséquences pour le choix des mesures et des tests
• Mesures de tendance centrale, de dispersion et de forme
• Estimation, intervalle de confiance, test d’une hypothèse
• Comparaisons de moyenne, analyse de variance
• Corrélation, régression linéaire
• Données en catégories, tables de contingence, tests d’indépendance (chi-carré)

Evaluation

·       Rendu des travaux pratiques à chaque session, dont au moins 4 sur 6 doivent être réussis pour pouvoir se présenter à l’épreuve pratique finale.

·       Une épreuve pratique individuelle de 3h sur ordinateur consistant à interpréter l’analyse d’un jeu de données, guidée par des questions précises et permettant la mise en œuvre des techniques apprises, compte pour 100% de la note.

Références bibliographiques

Dalgaard P. 2002. Introductory Statistics with R. Statistics and Computing. Springer. 267p.

Dodge Y. 2001. Premiers pas en statistique. Springer. 427p.

Millot G. 2011. Comprendre et réaliser les tests statistiques à l’aide de R. Manuel de biostatistique. 2ème édition. De Boeck. 767p.

Paradis E. 2005. R pour les débutants. http://www.cran.r-project.org/doc/contrib/Paradis-rdebuts_fr.pdf

Wheater C.P. & Cook P.A. 2000. Using statistics to understand the environment. Routledge. 245p.

Jones, E., Harden, S., & Crawley, M. J. (2023). The R book (3rd ed.). John Wiley & Sons.