Objectifs par rapport aux acquis d'apprentissage du programme

• Comprendre, décrire, analyser et hiérarchiser les phénomènes biologiques.
• Maîtriser des connaissances scientifiques de base et être capable de les exploiter.
• Résoudre des problèmes.
• Maîtriser l'expression des réalités biologiques en valeurs absolues ou relatives, les ordres de grandeurs, les proportions, la probabilité.
• Pouvoir abstraire, comprendre et appliquer la traduction mathématique des grandes lois et phénomènes biologiques.
• Comprendre et pouvoir utiliser les différentes représentations graphiques des valeurs numériques et de leurs relations.
• Avoir développé une aptitude au raisonnement
• Connaître et appliquer les principes de base du raisonnement (obtention des données, analyse, synthèse, comparaison, règle de trois, syllogisme, analogie, logique booléenne,...).
• Maîtriser les méthodes statistiques et/ou épidémiologiques.
• Développer un esprit critique, savoir tester et contrôler ses conclusions, en connaître le domaine de validité, envisager des hypothèses alternatives.
• Pouvoir gérer le doute et l'incertitude.
• Gérer sa formation
• Savoir lire, interpréter, critiquer un article scientifique.

Acquis d'apprentissage de l'UE

A l'issue de cet enseignement, les étudiants seront capables de :
- Comprendre les principales notions de statistique descriptive utilisées dans les sciences de la vie et les appliquer dans le domaine médical;
- Pouvoir interpréter des résultats graphiques tels que des box plots;
- Effectuer des calculs de corrélation et de régression linéaire (avec des applications médicales concrètes);
- Calculer des probabilités sur base de la loi gaussienne et des lois discrètes;
- Comprendre les bases de la statistique inférentielle, ce qui constitue un prérequis indispensable à la compréhension des tests statistiques enseignés ultérieurement.

Contenu de l'UE : descriptif et cohérence pédagogique

Définition et objectifs de la biostatistique.
La variabilité en médecine. Types de variables.
Statistique descriptive univariée (indices de localisation et de dispersion) et représentation graphique des données.
Statistique descriptive bivariée (corrélation linéaire et régression linéaire simple).
Fréquence et probabilité d'événement. Notions d'analyse combinatoire. Probabilité conditionnellle et théorème de Bayes. Notion de variable aléatoire (cas discret et cas continu). Distributions et fonctions de densité de probabilités.
Théorème central limite. Lois binomiale et de Poisson. Loi normale et normale centrée réduite. Utilisation des tables statistiques et exercices de calculs de probabilités.

Compétences préalables

Sans objet