Objectifs

Les objectifs de cette formation sont d’apporter à l’étudiant des compétences statistiques à jour, c’est-à-dire que l’étudiant devra être capable de lire, comprendre et discuter un article scientifique récent utilisant inférence fréquentiste ou bayésienne, de montrer son autonomie dans l’interprétation de données et dans la rédaction des sections « méthode » et « résultats » d’un article ainsi que dans la rédaction d’un rapport d’analyse.
Compétences à acquérir :
1. Élicitation des lois a priori
a. Connaitre les règles générales de l’élicitation
b. Connaitre les lois de distribution essentielles utilisables comme prior (densité, paramètres, propriétés)
c. Savoir choisir les hyperparamètres d’une loi a priori
d. Connaitre les sources d’information utilisation pour l’élicitation (littérature, experts, etc.)
e. Juger de l’informativité d’un prior
f. Mener une analyse de sensibilité et en interpréter les résultats
2. Modèles de vraisemblance
a. Savoir choisir un modèle de vraisemblance en fonction des données
3. Conduite à tenir a posteriori
a. Maitriser les fondements théoriques du passage des lois a priori aux lois a posteriori
b. Connaitre les méthodes analytiques (situation conjuguée) d’extraction des lois a posteriori et les méthodes par simulation et/ou approximation (McMC)
c. Maitriser la méthode de fonctionnement des McMC (nombre d’itéraction, burn-in, thinning, etc.)
d. Savoir poser un diagnostic de convergence probable des algorithmes
e. Connaitre la conduite à tenir en cas de non convergence des algorithmes
4. Présentation des résultats
a. Savoir choisir des modèles graphiques et descriptifs des données
b. Savoir présenter et discuter des résultats d’inférence (tendance centrale, étendue de distribution, etc.)
c. Savoir présenter et discuter des résultats de convergence des al gorithmes
5. Autres considérations méthodologiques
a. Savoir mettre en évidence les données manquantes, en discuter les mécanismes de survenue et choisir une méthode éventuelle de traitement
b. Connaitre les schémas des études épidémiologiques et de recherche clinique et adapter les méthodes d’analyse en conséquence
c. Maitriser un calcul de nombre nécessaire de sujet

Les + de la formation

Le DU se déroule sur une année universitaire, sans stage. Un volume total de 100 heures sera dispensé sous la forme de 60 heures de cours magistraux et de 40 heures de TD.
En plus des 100 heures de présence, l’étudiant aura à assurer la rédaction d’un rapport pour la validation finale du DU.

Les enseignements se répartissent en 60 heures de cours magistraux et 40 heures de TD.

Programme des enseignements

Contacts

Responsable pédagogique

• Eric-Andre Sauleau

Documents à télécharger

• Résumé du parcours Biostastistique : des statistiques fréquentistes aux statistiques bayésiennes (PDF)