Bruno Falissard
Professeur de biostatistique à l'Université Paris-Sud, ancien élève de l'école polytechnique, pédopsychiatre et directeur du CESP/Inserm U1018 (Centre de Recherche en Épidémiologie et Santé des Populations).

Ce cours permet d’apprendre la statistique à l’aide du logiciel libre R.
Le recours aux mathématiques est minimal. L’objectif est de savoir analyser des données, de comprendre ce que l’on fait, et de pouvoir communiquer ses résultats.
Ce cours s’adresse aux étudiants et praticiens de toutes disciplines qui recherchent une formation pratique. Il sera utile à toute personne ayant le besoin d’analyser un jeu de données réel dans le cadre d’un enseignement, de son activité professionnelle ou de recherche, ou par simple curiosité d’analyser un jeu de données par soi-même (données du web, données publiques…).
Le cours s’appuie sur le logiciel libre R qui est un des logiciels de statistique les plus puissants disponibles actuellement.
Les méthodes abordées sont : les techniques descriptives, les tests, l’analyse de variance, les modèles de régression linéaire et logistique, les données censurées (de survie).
Le cours comprend deux volets :
des chapitres de cours abordant des notions de statistiques et des connaissances essentielles sur le logiciel R des "labs": vidéos de pratique du logiciel R sous l’interface RStudio.
Chaque semaine, 4 à 6 vidéos de cours d’une dizaine de minutes et un “lab” seront mis en ligne.
L’évaluation comporte trois niveaux :
des quiz “mémoire” (5 à 10 questions à la fin de chaque vidéo), des quiz “exercice” (le plus souvent des calculs simples à réaliser avec R), un devoir à rendre sous forme de script R.
Il n’y a pas de pré-requis pour suivre ce cours. Des connaissances de base en algèbre ou en programmation sont utiles mais ne sont pas nécessaires. En revanche, la volonté d’apprendre à analyser un jeu de données par soi-même est essentielle.
Ce cours s'adresse à un public francophone cherchant à se former aux bases de la statistique avec un logiciel libre (disponible gratuitement). Il vise aussi bien un public en formation initiale qu'un public en formation continue. Compte tenu des nombreux domaines d'application des statistiques et de la taille importante de la communauté R, ce cours concerne une large audience. Sciences fondamentales comme appliquées, sciences humaines, gestion de projet, les statistiques concernent potentiellement l'ensemble des professions.
Professeur de biostatistique à l'Université Paris-Sud, ancien élève de l'école polytechnique, pédopsychiatre et directeur du CESP/Inserm U1018 (Centre de Recherche en Épidémiologie et Santé des Populations).
Ingénieur de recherche (Université Paris-Diderot, AP-HP)
Doctorant en épidémiologie, Université Paris-Sud
Ingénieur, Inserm
Maître de conférence, Université Paris-Sud
Maître de conférence, Université Paris-Sud
Doctorant en Epidémiologie, Université Paris-Sud
Introduction Chapitre 1 : Définitions Chapitre 2 : Représentations graphiques Chapitre 3 : Mesures de position et de dispersion : les principes Chapitre 4 : Mesures de position et de dispersion : la pratique Lab 1 : Introduction à R studio, manipulation des fichiers et des variables
Chapitre 5 : Intervalles de confiance Chapitre 6 : Coefficient de corrélation Chapitre 7 : Risque relatif et odds-ratio Lab 2 : Manipulation de données, résumés numériques et graphiques Lab 3 : RMarkdown et rapport automatisé
Chapitre 8 : Tests statistiques : le “p” Chapitre 9 : Tests statistiques : l’approche de Neyman et Pearson Chapitre 10 : Comparaison de deux pourcentages Chapitre 11 : Comparaison de deux moyennes Chapitre 12 : Test de nullité d’une corrélation, divers Lab 4 : Mesures d'association, tests statistiques, update sur RMarkdown
Chapitre 13 : Régression linéaire simple Chapitre 14 : Régression linéaire, corrélation et test t Chapitre 15 : Régression linéaire multiple, analyse de variance Chapitre 16 : Introduction à la régression logistique Chapitre 17 : Régression logistique multiple Lab 5 : Régression linéaire et logistique
Chapitre 18 : Données de survie ou censurées Chapitre 19 : Tests et modèles pour données censurées Chapitre 20 : Introduction aux méthodes exploratoires multidimensionnelles Chapitre 21 : Analyse en composantes principales Chapitre 22 : Classification hiérarchique
Falissard (Bruno), Comprendre et utiliser les statistiques dans les sciences de la vie, 3e édition. Masson (372 pages).
Falissard (Bruno), The analysis of questionnaire data with R, Chapman et Hall, CRC Press (280 pages)..
Licence Creative Commons BY NC SA : l’utilisateur doit mentionner le nom de l’auteur, il peut exploiter l’œuvre sauf dans un contexte commercial, il peut créer une œuvre dérivée de l’œuvre originale si l’œuvre dérivée est diffusée sous la même licence que l’œuvre originale.
Licence Creative Commons BY NC SA : l’utilisateur doit mentionner le nom de l’auteur, il peut exploiter l’œuvre sauf dans un contexte commercial, il peut créer une œuvre dérivée de l’œuvre originale si l’œuvre dérivée est diffusée sous la même licence que l’œuvre originale.