Accueil  >>  Master  >>  Santé publique  >>  Biostatistique, biomathématique, bio-informatique et santé  >>  Modèle linéaire et modèle linéaire généralisé
  • Domaine : Masters du domaine SCIENCES, TECHNOLOGIES, SANTE
  • Diplôme : Master
  • Mention : Santé publique
  • Parcours : Biostatistique, biomathématique, bio-informatique et santé
  • Unité d'enseignement : Modèle linéaire et modèle linéaire généralisé
Nombre de crédits de l'UE : 3
Code APOGEE : DBH2053M
UE Obligatoire pour ce parcours
UE valable pour le semestre 3 de ce parcours
    Responsabilité de l'UE :
ROY PASCAL
 pascal.royuniv-lyon1.fr
04.78.86.21.84
 pascal.roychu-lyon.fr
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
20 h
Travaux Dirigés (TD)
0 h
Travaux Pratiques (TP)
10 h
Total du volume horaire
30 h
* Ces horaires sont donnés à titre indicatif.
    Conditions d'accès à l'UE :

Les étudiants inscrits au M2 B3S ainsi que les étudiants des autres parcours de M2 du MSP ayant choisi cette UE en optionnel.

    Programme - Contenu de l'UE :

Programme : L’objectif de cet enseignement est de familiariser les étudiants avec le concept de modélisation, régression, et d’estimation des paramètres de régression.

Cours théoriques :

- Modèle linéaire. Rappels sur le test de Student de comparaison de deux espérances. Analyse de variance à 1 facteur pour la comparaison de plusieurs espérances et l'étude de l'association entre une variable quantitative et une variable qualitative. Association entre deux variables quantitatives : régression linéaire simple. Estimation par la méthode des moindres carrés ordinaires. Corrélation. Test de la pente. Ecriture matricielle. Régression linéaire multiple et notion d’ajustement. Notion d’interaction. Notion de sélection de modèle. Validation du modèle par analyse des résidus.

- Modèle linéaire généralisé. Notions de taux (incidence, mortalité), de risque et d’odds. Analyse de tableaux de contingence. Tests d’hypothèses, estimations. Régressions logistiques et de poisson. Algorithmes de maximisation de la vraisemblance. Contrastes, fonctions de lissage (modèles additifs généralisés). Modélisation des effets combinés, analyse des interactions. Application en épidémiologie descriptive (modélisation de l’incidence) et analytique (analyse des études cas-témoins).

    Compétences acquises :
Méthodologiques :

Compétences acquises : A partir de l’identification de la question de l’étude, les étudiants sauront proposer des  plans d’analyse adaptés.



Techniques :
TP : Les étudiants mettront en pratique les notions abordées en cours à l’aide du logiciel R
    Modalités de contrôle des connaissances et Compétences 2018-2019 :
TypeLibelléNatureCoef. 
CTContrôle TerminalCT : Modele lin-ML generaliseOral - Ecrit3
    Liste des autres Parcours / Spécialité / Filière / Option utilisant cette UE :
Date de la dernière mise-à-jour : 18/04/2018
SELECT * FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='16165' ORDER BY UE_ID_FK ASC, PAR_ID_FK ASC