ACTIVITÉS D'ENSEIGNEMENT
J'offre deux cours de deuxième et troisième cycles en biostatistiques à l'Université du Québec en Abitibi-Témiscamingue (UQAT). Le premier, BIO8092 est un cours intermédiaire de biostatistiques généralement offert à la session d'automne alors que le deuxième, BIO8093 est un cours avancé offert à la session d'hiver.
BIO8092 - Traitement des données biologiques (3 crédits)
Description:
Ce cours vise à développer la capacité chez les étudiants à formuler des hypothèses de travail, à élaborer une stratégie d’échantillonnage, à évaluer et sélectionner les designs expérimentaux et analyses statistiques appropriés pour un problème donné. Le cours comprend des exposés magistraux entrecoupés d’exercices en laboratoire. Ces exercices courts seront réalisés à l’aide du logiciel R et permettront à l’étudiant de faire le lien immédiat entre la théorie et l’application. Le cours comprend également un travail de fin de session qui consistera en l’analyse d’un jeu de données selon des hypothèses scientifiques élaborées par l’étudiant qui devra être remis sous forme d'article scientifique.
Contenu du cours
- Cours 1: Estimateurs et paramètres
- Cours 2: Intervalles de confiance et stratégies d'échantillonnage
- Cours 3: Tests d'hypothèses sur un seul groupe
- Cours 4: Tests d'hypothèses sur deux groupes et tableaux de contingence
- Cours 5: ANOVA à 1 critère
- Cours 6: ANOVA à 2 critères et dispositifs expérimentaux plus complexes (blocs complets aléatoires, analyse de covariance)
- Cours 7: Régression linéaire et corrélation
- Cours 8: Régression multiple
- Cours 9: Sélection de modèles et inférence multimodèle
- Cours 10: GLM's: régression de Poisson
- Cours 11: GLM's: régression logistique
- Cours 12: Comparaison des GLM's avec distribution de Poisson et binomiale
- Cours 13: Analyses en composantes principales (PCA)
BIO8093 - Analyse statistique de données complexes (3 crédits)
Préalables:
Afin de tirer un maximum de ce cours, les étudiants inscrits doivent déja maîtriser les régressions multiples, analyses de variance (ANOVA) classiques, quelques GLM's simples (Poisson, binomial). Une expérience préalable avec la programmation dans SAS ou R sera un atout.
Description:
Ce cours avancé vise à développer des aptitudes de modélisation avancées chez l’étudiant à l’aide de méthodes découlant du maximum de vraisemblance, du maximum de vraisemblance restreint, d’équations d’estimations généralisées et de techniques de randomisation. Le cours comprend des exposés magistraux entrecoupés d’exercices en laboratoire. Ces exercices seront réalisés à l’aide du logiciel R et permettront à l’étudiant de faire le lien immédiat entre la théorie et l’application.
Contenu du cours
- Cours 1: Tests de randomisation
- Cours 2: Intervalles de confiance et introduction au bootstrap (non-paramétrique)
- Cours 3: Maximum de vraisemblance (Maximum likelihood) et optimisation de fonctions
- Cours 4: Régression robuste aux valeurs extrêmes
- Cours 5: Régression de Poisson et binomiale négative
- Cours 6: Régressions logistiques pour variables réponses binaires, multinomiales ou ordinales
- Cours 7: Régression gamma pour temps de survie
- Cours 8: Extensions aux GLM's pour mesures répétées: generalized estimating equations (GEE)
- Cours 9: Modèles mixtes linéaires
- Cours 10: Modèles mixtes généralisés (GLMM's)
- Cours 11: Méthode delta pour calculer la variance
- Cours 12: Simulations de Monte Carlo (GLMM's revisités)
- Cours 13: Introduction aux analyses bayésiennes
