Analyse des données de survie et de durée

lstat2220  2020-2021  Louvain-la-Neuve

Analyse des données de survie et de durée
En raison de la crise du COVID-19, les informations ci-dessous sont susceptibles d’être modifiées, notamment celles qui concernent le mode d’enseignement (en présentiel, en distanciel ou sous un format comodal ou hybride).
4 crédits
15.0 h + 5.0 h
Q1
Enseignants
Langue
d'enseignement
Français
Préalables
L'étudiant devrait avoir une bonne connaissance de la théorie de probabilité et de statistique.  Aussi, une bonne maitrîse de SAS ou Splus (ou un autre logiciel avancé) est nécessaire.
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1 A. Eu égard au référentiel AA du programme de master en statistique, orientation biostatistique, cette activité contribue au développement et à l'acquisition de manière prioritaire des AA 1.4, 1.5, 2.1, 2.2, 4.1, 4.2 et 4.5.
Eu égard au référentiel AA du programme de master en statistique, orientation générale, cette activité contribue au développement et à l'acquisition de manière prioritaire des AA 1.4, 1.5, 2.1, 2.2, 4.1, 4.2
B. A l'issue de ce cours, l'étudiant sera familiarisé avec les concepts et modèles de base en analyse de survie. En outre, l'étudiant sera capable d'analyser des données réelles à l'aide de logiciels.
 
Contenu
  • Introduction aux concepts de base (commes les mécanismes de censure et troncature, certaines fonctions de survie paramétriques courantes en analyse de survie,...)
  • Estimation nonparamétrique des quantités de base (l'estimateur de Kaplan-Meier de la fonction de survie, l'estimateur de Nelson-Aalen de la fonction de hasard cumulée,...), le développement de certaines propriétés (asymptotiques) de ces estimateurs, et des tests d'hypothèse concernant l'égalité de deux ou plusieurs courbes de survie
  • Modèle à hasards proportionnels (estimation des composantes du modèle, tests d'hypothèse, sélection de variables explicatives, validation du modèle,...)
  • Modèle à hasards accélérés (estimation des paramètres du modèle, tests d'hypothèse, sélection du modèle, validation du modèle,...)
Méthodes d'enseignement

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Les cours magistraux se donneront sous forme de vidéos enrégistrées en anglais et disponibles sur Moodle.  Des sessions questions-réponses seront organisées via Teams, et des sessions d'exercices auront lieu en présentiel dans une salle informatique.
Modes d'évaluation
des acquis des étudiants

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

L'évaluation comprend un examen oral (pour tester la compréhension globale du cours) et un projet sur ordinateur (analyse de données réelles).
Autres infos
Les slides du cours sont téléchargeables à partir de Moodle.
Bibliographie
  • Cox, D.R. et Oakes, D. (1984). Analysis of survival data, Chapman and Hall, New York.
  • Hougaard, P. (2000). Analysis of multivariate survival data. Springer, New-York.
  • Klein, J.P. et Moeschberger, M.L. (1997). Survival analysis, techniques for censored and truncated data, Springer, New York.
Faculté ou entité
en charge
Force majeure
Modes d'évaluation
des acquis des étudiants
La crise sanitaire implique des incertitudes quant aux modalités d’évaluation en particulier pour la session de janvier. Ma modalité retenue pour ce cours est :
  • Examen oral sur Teams


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en sciences mathématiques

Certificat d'université : Statistique et sciences des données (15/30 crédits)

Master [120] : ingénieur civil en mathématiques appliquées

Master [120] en statistique, orientation générale

Master [120] en statistique, orientation biostatistiques

Master [120] : ingénieur civil biomédical