Modélisation statistique pour les données géographiques
 

Le 12 Juin, 9:00 am – 12:00 pm, 1:30 – 4:00 pm
Sudipto Banerjee, School of Public Health, University of Minnesota
 

De nouvelles méthodes de localisation des données sur la santé, apparues à la suite des récents progrès des systèmes d’information géographique (SIG) et systèmes de positionnement global (GPS), ont permis la création de nouveaux types de mappage des maladies et de modélisation spatiale des données de santé, ainsi que de nouvelles approches en matière de prévention des maladies et des activités de santé publiques. Cela a suscité un intérêt considérable pour la modélisation statistique des données localisées (ponctuelles ou géostatistiques) et aréales (cumulatives sur une région). Ce cours propose une introduction aux méthodes de modélisation et de calcul de l’inférence avec des données spatiales ponctuelles et aréales. Les éléments de base (approches classiques en géostatistique, mappage des maladies spatial et inférence bayésienne pour les données à référence spatiale) seront approfondis. Chaque sujet inclura la théorie, des exemples et une analyse de données, ainsi que des démonstrations informatiques interactives en temps réel. Ce cours détaillera aussi les récents progrès en matière de modèles hiérarchiques bayésiens pour les données à référence spatiale à l’aide des méthodes Monte Carlo-chaîne de Markov (MCMC).
 

Nous couvrirons notamment les sujets suivants : modélisation géostatistique, évaluation des risques spatiaux, mappage des maladies, modèles conditionnellement autorégressifs (CAR) pour les données aréales, régression linéaire spatiale, modèles linéaires généralisés, analyse d’incertitude, diagnostic et validation des modèles spatiaux et inférence bayésienne spatiale.
 

Nous offrirons aux participants l’occasion de s’initier à la pratique de WinBUGS, le principal progiciel bayésien, ainsi qu’à d’autres progiciels spatiaux en R pour les données spatiales géocodées et aréales. Les démonstrations informatiques couvriront l’analyse des données spatiales exploratoire et l’estimation des modèles statistiques à l’aide d’ensembles de données pratiques tirées de la santé publique et des sciences de l’environnement.
 

Petite biographie :
 

Sudipto Banerjee est actuellement professeur permanent à l’École de santé publique de la University of Minnesota. Ses travaux de recherche portent notamment sur la modélisation statistique et l’analyse d’ensembles de données localisées, la statistique bayésienne (théorie et méthodes), l’interface entre la statistique et les systèmes d’information géographique et le calcul statistique. Il a publié plus de soixante articles dans des revues à comité de lecture, plusieurs chapitres de livres et est le coauteur d’un ouvrage intitulé « Hierarchical Modelling and Analysis for Spatial Data ». Il a supervisé le développement de plusieurs progiciels spatiaux dans le cadre statistique R. En 2009, il s’est vu décerner le prix Abdel El Sharaawi de la International Environmetrics Society, prix remis chaque année à un jeune chercheur (de moins de 40 ans) pour ses contributions remarquables au domaine de la mésométrie. Sudipto est aussi membre élu de l’Institut international de statistique et membre du chapitre Pi de la Delta Omega National Honour Society. Par ailleurs, Sudipto est le récipiendaire d’un Challenge Grant 2009 des National Institutes of Health pour le développement de modèles statistiques permettant d’évaluer l’impact du changement climatique sur les effets de santé.