ACTIVITÉS D'ENSEIGNEMENT - MARC MAZEROLLE
Cours de deuxième et troisième cycles
J'offre deux cours de deuxième et troisième cycles en biostatistiques à l'Université Laval. FOR7044 -- Analyse des données écologiques est un cours intermédiaire de biostatistiques offert à la session d'automne. FOR7046 -- Modèles hiérarchiques et inférence bayésienne pour les sciences naturelles est un cours avancé offert à la session d'hiver.
FOR7044 -- Analyse des données écologiques (3 crédits)
Ce cours vise à développer la capacité chez les étudiants à formuler des hypothèses de travail, à élaborer une stratégie d’échantillonnage, à évaluer et sélectionner les dispositifs expérimentaux et analyses statistiques appropriés pour un problème donné. Le cours comprend des exposés magistraux entrecoupés d’exercices en laboratoire. Ces exercices courts seront réalisés à l’aide du logiciel R et permettront à l’étudiant de faire le lien immédiat entre la théorie et l’application. Le cours comprend également un travail de fin de session qui consistera en l’analyse d’un jeu de données selon des hypothèses scientifiques élaborées par l’étudiant qui devra être remis sous forme d'article scientifique.
Contenu du cours
- Cours 1: Estimateurs et paramètres
- Cours 2: Intervalles de confiance et stratégies d'échantillonnage
- Cours 3: Tests d'hypothèses sur un seul groupe
- Cours 4: Tests d'hypothèses sur deux groupes et tableaux de contingence
- Cours 5: ANOVA à 1 critère et contrastes orthogonaux
- Cours 6: ANOVA à 2 critères
- Cours 7: Dispositifs expérimentaux plus complexes (blocs complets aléatoires, analyse de covariance)
- Cours 8: Régression multiple
- Cours 9: Sélection de modèles et inférence multimodèles
- Cours 10: GLM's: régression de Poisson
- Cours 11: GLM's: régression logistique
- Cours 12: Comparaison des GLM's avec distribution de Poisson et binomiale
- Cours 13: Analyses en composantes principales (PCA), CCA, RDA et autres approches multivariées
FOR7046 -- Modèles hiérarchiques et inférence bayésienne pour les sciences naturelles (3 crédits)
Ce cours vise à développer des aptitudes d'analyse statistique avancée de données provenant des sciences naturelles. Divers types de modèles hiérarchiques sont présentés tels que les modèles mixtes linéaires, les modèles mixtes linéaires généralisés et les approches permettant d'estimer la présence ou l'abondance d'organismes lorsque la probabilité de
détection est imparfaite. Le cours s'appuie sur l'estimation de paramètres à partir du maximum de vraisemblance et des approches bayésiennes basées sur des chaînes de Markov Monte-Carlo (MCMC). Le cours encourage la recherche reproductible en permettant d'intégrer le code R dans les documents à l'aide des systèmes LaTeX et Markdown.
Contenu du cours
- Cours 1: La recherche reproductible avec R, Markdown et LaTeX
- Cours 2: Tests de randomisation et bootstrap
- Cours 3: Maximum de vraisemblance et optimisation de fonctions avec optim( )
- Cours 4: Simulation d'un jeu de données à partir d'un modèle
- Cours 5: Introduction à l'inférence bayésienne
- Cours 6: Modèles mixtes linéaires I
- Cours 7: Modèles mixtes linéaires II
- Cours 8: Modèles mixtes linéaires et généralisés III
- Cours 9: Analyse d'occupation de sites à une saison I
- Cours 10: Analyse d'occupation de sites à une saison II
- Cours 11: Analyse d'occupation de sites dynamique
- Cours 12: Analyses N -mélange (N -mixture models)
Cours de premier cycle
ENV2015 -- Gestion de l'environnement (3 crédits)
MET7900 -- Méthodologie de la recherche - module sur l'échantillonnage (3 crédits)
ENV3000 -- Projet de conservation de l'environnement (6 crédits)
ENV1015 -- Champs profesionnels de la conservation (1 crédit)
ENV3020 -- Projet de recherche en environnement (3 crédits)
