1. Accueil
  2. FR
  3. Étudier
  4. Offre de formation
STAT-H400

Multivariate data analysis

année académique
2020-2021

Titulaire(s) du cours

Christine DECAESTECKER (Coordonnateur)

Crédits ECTS

5

Langue(s) d'enseignement

français

Contenu du cours

(1) Rappels sur les outils statistiques élémentaires

(2) Rappels et compléments sur les outils de statistique bidimensionnelle (incluant les tests d'hypothèse) et leurs applications.

(3) Introduction générale à l'analyse de données multivariées.

(4) Introduction aux méthodes non-supervisées.

(5) Introduction aux méthodes supervisées.

Objectifs (et/ou acquis d'apprentissages spécifiques)

Extraction d'informations pertinentes d'un tableau de données par
  • l'utilisation appropriée d'outils statistiques (représentations graphiques, tests d'hypothèse, ...) et d'analyse de données multivariées (analyses factorielles, clustering, classification et régression),
  • l'interprétation correcte des résultats fournis par ces outils.

Pré-Requis

Connaissances et compétences pré-requises

MATH-H-2002: Calcul des probabilités et statistiques  ou équivalent

Méthodes d'enseignement et activités d'apprentissages

Cours ex-cathedra en français (avec illustrations sur données biomédicales) et exercices sur des bases de données réelles via l'utilisation d'un logiciel statistique.
Dans la mesure du possible, l'enseignement en présentiel sera privilégié. Un format hybride (présentiel et à distance) est cependant prévu.

Contribution au profil d'enseignement

Cette unité d'enseignement contribue aux compétences suivantes :

  • Gérer, explorer et analyser les données médicales (dossier médical, imagerie, génomique, statistiques)

Références, bibliographie et lectures recommandées

1) J.H. Zar: Biostatistical analysis. Prentice Hall International.
2) S. Siegel, N.J. Catellan: Nonparametric Statistics for the Behavioral Sciences. McGraw-Hill International Editions.
3) L. Lebart, A. Morineau, M. Piron: Statistique exploratoire multidimensionnelle. Dunod.
4) Duda, Hart et Stork, Pattern classification, John Wiley et Sons.

Support(s) de cours

  • Université virtuelle
  • Podcast

Autres renseignements

Contacts

Email : cdecaes@ulb.ac.be

Campus

Solbosch

Evaluation

Méthode(s) d'évaluation

  • Autre

Une période de préparation sans note est prévue.
Selon les circonstances, l'examen peut être fait à distance en utilisant Teams.

Construction de la note (en ce compris, la pondération des notes partielles)

Une question théorique (0.5) et une série de questions pratiques sur base du rapport de TP (0.5)

Langue(s) d'évaluation

  • français
  • anglais

Programmes