Accueil  >>  Master  >>  Santé publique  >>  Pharmacologie, modélisation et essais cliniques  >>  Statistique bayésienne et applications
  • Domaine : Masters du domaine SCIENCES, TECHNOLOGIES, SANTE
  • Diplôme : Master
  • Mention : Santé publique
  • Parcours : Pharmacologie, modélisation et essais cliniques
  • Unité d'enseignement : Statistique bayésienne et applications
Nombre de crédits de l'UE : 3
Code APOGEE : DBH2061M
UE pour ce parcours
UE valable pour le semestre 3 de ce parcours
    Responsabilité de l'UE :
SUBTIL FABIEN
 fabien.subtilchu-lyon.fr
04.72.11.52.38
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
20 h
Travaux Dirigés (TD)
10 h
Travaux Pratiques (TP)
0 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 :

Contenus

1/ Théorie de l'inférence bayésienne

- Principe de l’inférence bayésienne

- Méthodes de l'inférence bayésienne : solutions explicites, algorithmes MCMC

- Choix des lois a priori

- Estimation des paramètres d’un modèle

- Validation et comparaison de modèles

Chacune des parties sera illustrée par des études de cas.

2/ Mise en œuvre avec les outils de type « BUGS »

- Formalisation d’un modèle sous la forme d’un graphe acyclique dirigé

- Introduction aux outils de type « BUGS » : codage d'un modèle à partir du graphe acyclique dirigé, estimation de la loi a posteriori jointe des paramètres par MCMC, vérification de la convergence de l'algorithme, caractérisation des lois a posteriori, vérification de la valeur prédictive d’un modèle.

- Prise en main du logiciel JAGS à partir d'exemples simples

3/ Quelques applications réelles

- Statistique bayésienne pour la méta-analyse de l’étude du lien entre concentration en anticorps et risque de grippe

- Statistique bayésienne en criminalistique
    Compétences acquises :
Méthodologiques :

Objectifs : L'objectif de ce cours est d'initier les étudiants à l'inférence bayésienne, ainsi qu'aux outils techniques nécessaires à son implémentation. A l'issue de ce module, l'étudiant sera capable de comprendre et d'expliciter les différences entre l'inférence bayésienne et l'inférence fréquentiste, ainsi que les forces et limites de chacune. Il devra également savoir implémenter et interpréter l’estimation des paramètres d’un modèle dans un cadre bayésien ainsi que valider ce modèle.


    Modalités de contrôle des connaissances et Compétences 2018-2019 :
TypeLibelléNatureCoef. 
CTContrôle TerminalCT : Stat bayesiennes et appliOral - 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='16172' ORDER BY UE_ID_FK ASC, PAR_ID_FK ASC