1. Plans d’expérience

• Principes de base : Randomisation, répétitions, et contrôle des biais.
• Block Design :Utilisation pour réduire la variabilité due à des facteurs nuisibles 
• Full Factorial Design : Étude de l’effet de tous les niveaux de tous les facteurs et de leurs
• Analyse des résultats : Tests statistiques (ANOVA, etc.) et interprétation.

2. Modèles de régression

• Régression linéaire simple et multiple : Hypothèses, estimation, diagnostic des résidus, et interprétation des coefficients.
• Modèles linéaires généralisés (GLM) : Extension aux données discrètes ou non normales (ex. : comptages, proportions).

3. Analyse des données temporelles

• Exploration et visualisation des séries temporelles (ex. : données climatiques, qualité de l’eau).
• Méthodes de décomposition (tendance, saisonnalité, résidus).
• Introduction aux modèles spécifiques (ex. : ARIMA, lissage exponentiel).

4. Application pratique avec R

Les notions théoriques seront abordées via des études de cas sur le logiciel R.

À la fin de cette UE, vous serez capable de :

·         Manipuler et visualiser des données environnementales, en mettant l’accent sur les séries temporelles.

·         Concevoir et analyser des plans d’expérience pour répondre à des questions environnementales spécifiques.

·         Maîtriser les modèles de régression :

o    Modèles linéaires simples et multiples : estimation, validation et interprétation.

o    Modèles linéaires généralisés (GLM) : adaptation aux données non normales et application à des cas concrets.

·         Analyser des données temporelles : identification des tendances, saisonnalité, et choix des méthodes statistiques adaptées.

·         Mettre en œuvre ces méthodes avec le logiciel R : manipulation des données, visualisation, et interprétation des résultats.

UE Analyses univariées et multivariées 

Session 1 : 100% contrôle continu (80% écrit et 20% oral)

Le contrôle continu se base sur des évaluations écrites en groupe ou en solo.