Programme des cours 2018-2019
|
ATTENTION : version 2017-2018 de l'engagement pédagogique
|
||
| AGRO0005-1 | ||
Sciences fondamentales et appliquées II
|
||
|
Durée :
|
||
| Mathématiques I : 15h Th Biométrie : 30h Th |
||
|
Nombre de crédits :
|
||
|
Nom du professeur :
|
||
| Mathématiques I : Mehdi El Hour, Marie Pierre Laruelle
Biométrie : Robert Milano |
||
|
Coordinateur(s) :
|
||
| Robert Milano | ||
|
Langue(s) de l'unité d'enseignement :
|
||
| Langue française | ||
|
Organisation et évaluation :
|
||
| Enseignement au deuxième quadrimestre | ||
|
Unités d'enseignement prérequises et corequises :
|
||
| Les unités prérequises ou corequises sont présentées au sein de chaque programme | ||
|
Contenus de l'unité d'enseignement :
|
||
|
Mathématiques I
|
||
| Partie LARUELLE - 15h : pour les agro + envi + développement international
Le cours porte sur les statistiques à deux dimensions. Il complète les principales notions de base de la statistique descriptive. Partie El Hour - 15h : pour les IAA Après avoir pris connaissance des caractéristiques des variables, différents tests paramétriques et non paramétriques seront présentés. Quelques exemples de traitements de données via l'outil informatique seront mis en place au moyen du logiciel Graphpad Prism. Enfin, une présentation critique de résultats publiés dans la littérature sera réalisée en anglais. |
||
|
Biométrie
|
||
| Ce cours est une initiation au logiciel R, logiciel permettant de réaliser des analyses statistiques.
Dès lors, pour utiliser de façon cohérente, efficiente et sensée un tel logiciel, l'étudiant devra -- conjointement à l'apprentissage des commandes de base du logiciel R -- étayer cette initiation de notions élémentaires de la statistique. Ce cours se donne donc pour objectif une approche concrète des notions statistiques les plus courantes, point de départ de toute analyse de données bio-agronomiques. Durant les séances sur PC, seront étudiés et "réalisés" en R les chapitres suivants : A. Statistiques descriptives A.1. Variables discrètes, continues, quantitatives, qualitatives, ordinales, nominales. A.2. Statisitiques à une variable - moyenne, médiane, fréquences, étendue, variance, écart-type, quartiles, intervalle interquartile, valeurs extrêmes. - Histogramme, Box-plot. A.3. Statisitiques à deux variables A.3.1. - Deux variables qualitatives : tableau de contigence, diagramme en mosaïques, distributions marginales, probabilités conditionnelles. A.3.2. - Une variable qualitative et une variable quantitative : statistiques groupées, Box-plot parallèles, événements rares ou aberrants. A.3.3. - Deux variables quantitatives : nuage de points, corrélation, régression linéaire, ajustement des moindres carrés, coefficient de détermination. B. Lois de probabilités B.1. - Rappels de notions de bases en probabilités : indépendance d'événements, incompatibilité, probabilité conditionnelle. B.2. Notions de variable aléatoire, d'espérance d'une v.a., fonction de répartition, loi de probabilité d'une v.a. B.3. Loi Binomiale B.4. Loi Normale B.5. Loi Khi-Carré B.6. Loi de Student C. Statistique inférentielle : C.1. Notion d'échantillonnage; notion d'estimateur. C.2. Estimation ponctuelle d'une moyenne et d'une proportion. C.3. Intervalle de confiance (IC) d'un estimateur. D. Tests d'hypothèses D.1. aplha, bêta, niveau de confiance, puissance d'un test, test unilatéral, test bilatéral D.2. Test du X² : test d'indépendance D.3. Comparaison de deux moyennes (variance connue ou estimée) : Test de Student D.4. Comparaison de deux moyennes issues de "gros" échantillons : hypothèse de normalité D.5. Comparaison de deux proportions : Approximation normale - Test de Fisher - Test de Mc Nemar D.6. Comparaison de plusieurs moyennes : ANOVA 1 facteur D.7. Test de normalité d'une v.a. D.8. Tests non-paramètriques tels que : Mann-Whitney, Wilcoxon, Kruskal-Wallis, test exact de Fisher, test de Mc Nemar, Corrélation des rangs |
||
|
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement :
|
||
|
Mathématiques I
|
||
| Partie LARUELLE :
- Comprendre les statistiques à 2 dimensions - Réaliser ces analyses et interpréter les résultats Partie El Hour : - Identifier les caractéristiques des variables étudiées - Comparer les tests paramétriques et non paramétriques - Se familiariser avec un logiciel de traitement des données - Analyser un article de la littérature scientifique au point de vue du traitement des données. |
||
|
Biométrie
|
||
| - Connaître les méthodes de calcul de la statistique descriptive et de l'inférence statistique.
- Etudes de cas. Appliquer ces méthodes à des cas concrets (TFE) - Justifier le choix des méthodes utilisées. - Discuter les avantages, inconvénients et la pertinence des tests choisis - Evaluer la pertinence des résultats - Utilisation de R |
||
|
Savoirs et compétences prérequis :
|
||
|
Biométrie
|
||
| - cours de statistique
- cours de mathématique (intégrales et calcul vectoriel) |
||
|
Activités d'apprentissage prévues et méthodes d'enseignement :
|
||
|
Mathématiques I
|
||
| Cours ex-cathedra
Exercices, TP, applications |
||
|
Biométrie
|
||
|
Des notes sont mises à disposition des étudiants. Au fur et à mesure de l'avancée dans ces notes de cours, l'étudiant mettra en pratique les notions abordées grâce au logiciel R. La résolution des exercices se fera aussi avec R. Ceci favorisera une familiarisation progressive avec ce logiciel. / |
||
|
Mode d'enseignement (présentiel ; enseignement à distance) :
|
||
|
Mathématiques I
|
||
| Présentiel | ||
|
Biométrie
|
||
| - Présentiel. Cours : exposés oral des théories impliquées dans les traveaux pratiques sur PC.
- L'étudiant peut installer le logiciel R sur son propre PC (logiciel gratuit) et l'utiliser durant les séances d'exercices. - Remarque : les notes de cours ET les informations données oralement durant les cours sont matières d'examen. |
||
|
Lectures recommandées ou obligatoires et notes de cours :
|
||
|
Biométrie
|
||
| - Des notes de cours sont prévues, distribuées au fur et à mesure de l'avancement du cours.
- Statistique Théorique et Appliquée, Tome 1 , Pierre Dagnelie, De Boeck (-> disponible en bibliothèque). - Théorie et méthodes statistiques (Applications agronomiqes), Tome 2, Pierre Dagnelie, De Boeck (-> disponible en bibliothèque). - Le Logiciel R, Pierre Lafaye de Michaux et al., Springer (-> disponible en bibliothèque). - Internet offre de nombreux documents introduisant au logiciel R (par exemple : R pour débutants -> transmis au cours). - Biostatistique pour les sciences de la vie et de la santé, Triola, Pearson Education - Un site intéressant : http://webapps.fundp.ac.be/biostats -> apprentissage des Biostatistiques de la FUNDP (responsable académique Eric Depiereux) |
||
|
Modalités d'évaluation et critères :
|
||
|
Mathématiques I
|
||
| Partie LARUELLE :
Evalutaion continue : l'étudiant devra réaliser un travail d'analyse et d'interprétation de données à rendre le 17 mai au plus tard. La cote minimum de 10/20 doit être atteinte afin de réussir l'Activité d'Apprentissage. En cas de seconde session, le travail devra être déposé dans le casier de l'enseignante le premier jour de la session. Partie EL HOUR : Travail - Présentation orale (anglais) lors du dernier cours devant tous les étudiants L'Unité d'Enseignement ne sera réussie que si l'Activité d'Apprentissage est réussie (sauf décision contraire du jury de délibération). |
||
|
Biométrie
|
||
| Oral sur PC : Etude d'un cas concret avec le logiciel R. L'étudiant choisira la méthode la plus appropriée pour l'étude de données concrètes. Ce choix devra être justifié. Il s'agira de montrer sa compréhension des concepts mis en pratique dans cette étude. L'étudiant justifiera ses méthodes d'analyse et commentera les résultats obtenus par le logiciel R. Il fera preuve d'une approche critique sur la pertinence de sa démarche et des résultats. | ||
|
Stage(s) :
|
||
|
Remarques organisationnelles :
|
||
|
Biométrie
|
||
| ... | ||
|
Contacts :
|
||
|
Mathématiques I
|
||
| marie-pierre.laruelle@hech.be | ||
|
Biométrie
|
||
| r.milano@hech.be | ||
|
Notes en ligne :
|
||
|
Mathématiques I
|
||
 | Base de données de profils de sols « Aardewerk Wallonie 2019 » Voici la base de données de profils de sols que vous devez analyser et dont vous devez interpréter les résultats. |
|
| Copies des dias + énoncés exercices Cours |
|
|
Biométrie
|
||
| syllabus Syllabus de biométrie 2015-2016 |
|