Compléments de biométrie et plans expérimentaux

lbrai2222  2021-2022  Louvain-la-Neuve

Compléments de biométrie et plans expérimentaux
3.00 crédits
22.5 h + 15.0 h
Q2
Enseignants
Draye Xavier (coordinateur(trice)); Govaerts Bernadette;
Langue
d'enseignement
Français
Préalables
Eléments de probabilité et de statistique (typiquement les cours BIR1203 et BIR1204)
Biométrie (typiquement le cours LBIRA2110A)
Thèmes abordés
Ce cours aborde les méthodes de planification expérimentale utilisées dans le domaine des essais agronomiques (e.g. plans en blocs aléatoires, split-plot, plans en lignes et colonnes, alpha design) ainsi que les modèles d’analyse statistique correspondants (modèles linéaires mixtes). Les méthodologies et les outils sont présentés de façon intuitive sur base d'études de cas issus de l’expérimentation animale (e.g. données longitudinales) et végétale (e.g. essais au champ) et du phénotypage (e.g. essais variétaux).
Acquis
d'apprentissage

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

1 a. Contribution de l’activité au référentiel AA (AA du programme)
Maîtriser des savoir-faire procéduraux dans la réalisation d’expériences (M1.3)
Connaître et comprendre un socle de savoirs approfondis et d’outils en Sciences de l’ingénieur (M2.1)
Maîtriser de manière opérationnelle des outils spécialisés en Sciences de l’ingénieur (M2.3)
Maîtriser et mobiliser des outils d’analyse statistique de données scientifiques dans le cadre d’une problématique scientifique complexe (M3.5)
Faire preuve d’une capacité d’abstraction conceptuelle et de formalisation dans l’analyse  et la résolution de problèmes (M4.4)
Communiquer des résultats et conclusions et appuyer un message de manière pertinente à l’aide de tableaux, graphiques et schémas scientifiques (M6.5)
b. Formulation spécifique pour cette activité des AA du programme (maximum 10)
A la fin de cette activité, l’étudiant est capable, face une situation expérimentale donnée et avec le logiciel R :
d’identifier les facteurs aléatoires de variation et de covariance dans un cadre expérimental donné (du domaine agronomique)
de concevoir un plan d’expérience approprié tenant en compte ces facteurs de variation, les objectifs de l’expérience et les contraintes pratiques
de choisir et écrire l’équation du modèle statistique (modèle mixte) adapté à l’expérience réalisée et aux questions posées
d'estimer le modèle avec éventuellement différentes méthodes d’estimation
de valider la qualité du modèle estimé, déterminer les termes/paramètres significatifs et d’adapter éventuellement le modèle
d'interpréter les effets des facteurs sur la réponse via des tests simples ou de contrastes et des graphiques afin de répondre aux questions de l’étude
d'expliquer dans ses mots les importants concepts/méthodes vus au cours
d’écrire du code R pour proposer un plan et estimer un modèle donné
D'interpréter précisément les résultats des sorties R en étant capable de dire pour CHAQUE nombre d’un tableau de résultats à quel concept sous-jacent il correspond en sachant expliquer ce concept, dire comment le nombre a été calculé et comment l’interpréter dans le contexte.
 
Contenu
Modèles à composantes de variances
  • Analyse de la variance à un facteur aléatoire
  • Estimation d'effets aléatoires et de composantes de variance
Modèles linéaires mixtes
  • Formulation des effets aléatoires <> structure de la matrice de covariance
  • Analyse de modèles mixtes typiques en biologie (génétique, plans expérimentaux)
  • Analyse des données longitudinales (répétées)
  • Analyse de la covariance en modèles mixtes 
     
Planification expérimentale 
  • Stratégies expérimentales en agronomie 
  • Description d'un problème et évaluation de la qualité d'un plan 
  • Blocking principles 
  • Block designs (complete and incomplete) 
  • Row-column designs 
  • Augmented designs 
Méthodes d'enseignement
Cours en auditoire, méthode intuitive sur base d’exemples 
Séances de TP sur ordinateur à l’aide du logiciel R et du package rDigger 
Modes d'évaluation
des acquis des étudiants
Examen pratique sur ordinateur
Ressources
en ligne
Les ressources sont disponibles sur Moodle 
Bibliographie
Les supports seront mis sur Moodle
Documentation du package rDigger
Faculté ou entité
en charge
AGRO


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

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

Master [120] en statistique, orientation biostatistiques

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