Consulter les offres d’emploi

Head, Statistics Australia
Publiée le 23/09/2018 19:30.
CDI, Sydney, NSW, Australia.
Entreprise/Organisme :The George Institute for Global Health
Niveau d'études :Doctorat
Date de début :1 November 2018
Secteur d'activité :Medical Research
Description :‘The George’ is 600+ people globally focused on improving the health of millions of people. A medical research institute affiliated with leading universities and with projects in approximately 50 countries, we are challenging the status quo in healthcare to find the best ways to prevent and treat chronic disease and injury, and to influence policy and practice worldwide. A unique opportunity exists for a dynamic Head, Statistics Australia. This role will have overall responsibility for the delivery, quality and integrity of statistical activities to support research programs conducted by The George Institute, Australia. This role is also expected to contribute to statistical activities globally including collaborations with statistics staff across all locations.
En savoir plus :https://applynow.net.au/jobs/GEORGE30-head-statistics-australia
Contact :lbillot@georgeinsitute.org
Biostatisticien
Publiée le 21/09/2018 11:29.
CDD, Paris.
Entreprise/Organisme :Institut du Cerveau et de la Moelle (ICM)
Niveau d'études :Master
Date de début :Dés que possible
Durée du contrat :12 mois
Rémunération :Selon profil
Secteur d'activité :Recherche
Description :Development of an R package for the statistical analysis of biosignals recorded from Magneto-encephalographic and electro-encephalographic
En savoir plus :www.icm-institute.org
Contact :lydia.yahia-cherif@upmc.fr
GROUP LEADER POSITION IN CLINICAL BIOINFORMATICS, MACHINE LEARNING OR COMPUTATIONAL BIOLOGY
Publiée le 19/09/2018 20:55.
Référence : U900GL2018.
CDI, Saint-Cloud.
Entreprise/Organisme :institut Curie
Niveau d'études :Doctorat
Date de début :2019
Durée du contrat :tenure track position
Secteur d'activité :MACHINE LEARNING IN BIOLOGY AND HEALTH
Description :GROUP LEADER POSITION IN CLINICAL BIOINFORMATICS, MACHINE LEARNING IN BIOLOGY, OR COMPUTATIONAL BIOLOGY OF CANCER INSTITUT CURIE, SAINT-CLOUD (FRANCE) Institut Curie (http://www.curie.fr) is a world-class Comprehensive Cancer Center with a hospital group treating more than 13,000 patients per year, and a multidisciplinary research centre combining research in biology, genetics, computational biology, soft matter physics, organic and medicinal chemistry. It includes over 3,000 researchers, physicians, clinicians, technicians and administrative staff working on three sites: Paris, Orsay and Saint-Cloud. The institute facilities include -live cell and small animal imaging, electron microscopy, proteomics and mass spectrometry, high throughput sequencing (NGS), bioinformatics, high-performance computing, animal housing as well as access to large clinical databases and sample collections. Institut Curie is a pioneer in precision medicine, supported by ambitious translational and clinical research programs, including immunotherapy. Curie Data Direction is in charge of making data readily available for researchers, facilitating the launch of research projects. Converting institutional data into knowledge and application to precision medicine is a top priority, which justifies this call for data science researchers. Institut Curie is supporting the opening of a position of group leader in the Computational Systems Biology Department (Institut Curie – PSL Research University - INSERM U900 / Mines ParisTech, http://u900.curie.fr). This Department has research groups both in Paris and Saint-Cloud. The recruited group leader will be based in Saint-Cloud premises, where a strong focus is given on precision medicine, health data management and valorization, and clinical biostatistics with the collaboration of University Versailles Saint-Quentin. We invite applications from outstanding candidates working in domain directly related to the Department fields and strongly motivated by innovative interdisciplinary approaches. The newly recruited group will benefit from state-of-the-art research equipment, appropriate laboratory space and a start-up package. The successful candidate should have an excellent record of publications and projects, a strong ability to lead a research group, and should meet the criteria to compete for national and international funding, and for French institutional research positions (University, CNRS or Inserm). Junior researchers who fulfill these criteria are particularly encouraged to apply. Please send your application that should include a motivation letter with statement of interest, a research plan (2-5 pages), a full CV with list of publications, patents, invited conferences, awards, grants, training and teaching experience and the contact details of 3 professional references to the Director of the Computational Systems Biology Department, Emmanuel Barillot (emmanuel.barillot@curie.fr) with reference U900GL2018. The call for application will close September 30th. Pre-selected candidates will be invited at institut Curie for a seminar and interview with an ad hoc jury. Institut Curie is an inclusive, equal opportunities employer and is dedicated to the highest standards of research integrity.
En savoir plus :https://sysbio.curie.fr/texts/Call4GroupLeaderCurieU900-2018.pdf
Call4GroupLeaderCurieU900-2018b.pdf
Contact :emmanuel.barillot@curie.fr
Traitement des données manquantes dans les enquêtes par sondage
Publiée le 19/09/2018 19:52.
Stage, 12, rue du Val d’Osne, 94415, Saint-Maurice Cedex France.
Entreprise/Organisme :Santé publique France
Niveau d'études :Master
Sujet :Traitement des données manquantes dans les enquêtes par sondage
Durée du contrat :6 mois
Rémunération :oui
Secteur d'activité :Santé publique
Description :Santé publique France est l’agence nationale de santé publique française. Elle intervient au service de la santé des populations. Agence scientifique et d’expertise du champ sanitaire, elle a pour missions : (1) l'observation épidémiologique et la surveillance de l'état de santé des populations ; (2) la veille sur les risques sanitaires menaçant les populations ; (3) la promotion de la santé et la réduction des risques pour la santé ; (4) le développement de la prévention et de l'éducation pour la santé ; (5) La préparation et la réponse aux menaces, alertes et crises sanitaires ; (6) le lancement de l'alerte sanitaire. L’agence est organisée autour de 10 directions scientifiques et transversales et de 6 directions assurant le support et le soutien à l’activité. Le stage se déroulera dans l’unité « Appui à la conception, à la mise en place et à l’exploitation des enquêtes » de la Direction Appui, Traitements et Analyses des données (DATA). Cette unité a de nombreuses missions au sein de l’agence dont le montage d’enquêtes et la participation à leur coordination, la contribution à l’élaboration du plan de sondage, le data-management des données, la réalisation des analyses statistiques prenant en compte le plan de sondage… Malgré les efforts réalisés au moment du recueil des données d’une enquête, le statisticien est souvent confronté au problème de la non réponse. Cette dernière réduit le nombre de données à exploiter dans les analyses statistiques et a pour conséquence d’altérer la qualité des estimations (augmentation de la variance, biais). La non réponse peut être totale lorsque aucune donnée n’est disponible pour un participant ou partielle lorsque seules quelques données sont indisponibles pour ce participant. Ce stage s’intéresse à la non réponse partielle qui est généralement traitée par imputation. Cette dernière permet d’attribuer des valeurs de remplacement aux données manquantes. Après imputation, la base de données de l’enquête devient complète et peut ensuite être utilisée dans l’estimation des paramètres d’intérêt. L’objectif de ce stage est d’aider le statisticien d’enquête dans le choix des méthodes d’imputation à utiliser pour ses données d’enquête. Pour cela, le stagiaire devra comparer plusieurs méthodes d’imputation sur des données simulées mais aussi sur des données issues des enquêtes réalisées par Santé publique France (enquêtes ESTEBAN, ENNS, ELFE, COSET…). Dans le cas des données simulées, le stagiaire étudiera l’effet du mécanisme de non réponse (uniforme, ignorable ou non) dans l’estimation des paramètres d’intérêt. Il comparera les performances de ces estimations en termes de biais et de variance.
En savoir plus :https://santepubliquefrance.fr/
Offre stage 2018_2019_DATA_ENQUETES.pdf
Contact :a.zeghnoun@invs.sante.fr
User profiling and data analysis in logistics
Publiée le 18/09/2018 19:01.
Postdoc, Douai.
Entreprise/Organisme :IMT Lille Douai
Niveau d'études :Doctorat
Date de début :as soon as possible
Durée du contrat :18 mois
Rémunération :2700 euros gross/month minimum
Description :The post-doc researcher will work on the E-LOGISTICS project that consists in designing and developing a coherent set of services around data recovery through an ambitious program of research and development. It is based on a large collaborative database of e-logistics flows in France that has already enabled the launch of the e-commerce logistics observatory in September 2015 in partnership with the Fevad (Federation of E-commerce). User behavioral analysis to target user expectations based on available e-logistics data. In more detail, the expected outcome of the research is a developed engine capable of profiling final users of the logistics chains and thus forecasting a future demand for better management and coordination of delivery routes. Topics of interest for the research include machine learning, big data, semantic technologies and data stream processing, among others. The research will be carried out at the Department of Informatics and Control Systems (DIA) at IMT Lille Douai.
En savoir plus :http://ia.ur.imt-lille-douai.fr/wp-content/uploads/sites/2/2013/07/PostDocCall-IMT-Lille-Douai-eLogi
PostDocCall-IMT-Lille-Douai-eLogistics.pdf
Contact :arnaud.doniec@imt-lille-douai.fr
Postdoctoral Research Fellow - Stochastic Simulation, Uncertainty Quantification, Statistical modeli
Publiée le 17/09/2018 08:51.
Référence : Postdoc - Chaire StressTest.
CDD, Palaiseau.
Entreprise/Organisme :Ecole Polytechnique, France
Niveau d'études :Doctorat
Date de début :dès que possible
Durée du contrat :3 ans
Rémunération :2400€ nets mensuels dépendant de l'expérience
Secteur d'activité :Stochastic Simulation, Uncertainty Quantification, Statistical modeling
Description :Location. École Polytechnique is a French public institution of higher education and research in Palaiseau, in the southwest of Paris. It was established in 1794 by the mathematician Gaspard Monge during the French Revolution. It is one of the most prestigious and selective French grandes écoles. Polytechnique has several research laboratories operating in various scientific fields (physics, mathematics, computer science, economics, chemistry, biology, etc.). Research program. The Chaire “Stress Testing” is a specific research program between Ecole Polytechnique and BNP Paribas, and is hosted at Polytechnique by the Center of Applied Mathematics https://portail.polytechnique.edu/cmap/en This research project is part of an in-depth reflection on the increasingly sophisticated issues surrounding stress tests (under the impulse of the upcoming European Banking regulation). Simulation of extreme adverse scenarios is an important topic to better understand which critical configurations can lead to financial and systemic crises. These scenarios may depend on complex phenomena, for which we partially lack information, making the modeling incomplete and uncertain. Last, the data are multivariate and reflect the dependency between driving variables. From the above observations, different lines of research are considered: 1) the generation of stress test and meta-modeling scenarios using machine learning 2) the quantification of uncertainties in risk metrics 3) modeling and estimation of multidimensional dependencies Keywords: Bayesian Networks, copulas, dependent data, Deep Learning, Gaussian processes, machine learning, Markov Chain Monte Carlo, meta-modeling, multivariate statistics, rare event simulation, risk metrics, splitting methods, stochastic algorithms, stochastic and Bayesian optimization, uncertainty propagation Candidate profile: • A PhD in Probability and Statistics, or equivalent • A proven track record in quality research, as evidenced by research publications in top scientific journals and conferences • Solid working knowledge of some of the topics listed above (see keywords) • An understanding of financial risks is desirable • Exposure to development of numerical methods or data analysis (with Python, R) is desirable Position: 3 years, extension is possible. Although this is mainly a research position, there is the possibility of a small teaching load Net salary: about 2400€/month depending on the experience How to Apply: Your application should include a Cover Letter, Resume, publications. With your application, we ask that you briefly outline your experience against the selection criteria in the position description. Contact for application: emmanuel.gobet@polytechnique.edu
En savoir plus :https://drive.google.com/file/d/1vPBXCjCTzHh447pvphxSPH2zihYlF90z
PostDocChaireStressTest.pdf
Contact :emmanuel.gobet@polytechnique.edu
Lecturer - Stochastic Simulation, Uncertainty Quantification, Statistical modeling
Publiée le 17/09/2018 08:51.
Référence : Lecturer - Chaire Stress Test.
CDD, Palaiseau.
Entreprise/Organisme :Ecole Polytechnique, France
Niveau d'études :Doctorat
Date de début :Dès que possible
Durée du contrat :3 ans
Rémunération :2800€ net mensuel en fonction de l'expérience
Secteur d'activité :Stochastic Simulation, Uncertainty Quantification, Statistical modeling
Description :Location. École Polytechnique is a French public institution of higher education and research in Palaiseau, in the southwest of Paris. It was established in 1794 by the mathematician Gaspard Monge during the French Revolution. It is one of the most prestigious and selective French grandes écoles. Polytechnique has several research laboratories operating in various scientific fields (physics, mathematics, computer science, economics, chemistry, biology, etc.). Research program. The Chaire “Stress Testing” is a specific research program between Ecole Polytechnique and BNP Paribas, and is hosted at Polytechnique by the Center of Applied Mathematics https://portail.polytechnique.edu/cmap/en This research project is part of an in-depth reflection on the increasingly sophisticated issues surrounding stress tests (under the impulse of the upcoming European Banking regulation). Simulation of extreme adverse scenarios is an important topic to better understand which critical configurations can lead to financial and systemic crises. These scenarios may depend on complex phenomena, for which we partially lack information, making the modeling incomplete and uncertain. Last, the data are multivariate and reflect the dependency between driving variables. From the above observations, different lines of research are considered: 1) the generation of stress test and meta-modeling scenarios using machine learning 2) the quantification of uncertainties in risk metrics 3) modeling and estimation of multidimensional dependencies Keywords: Bayesian Networks, copulas, dependent data, Deep Learning, Gaussian processes, machine learning, Markov Chain Monte Carlo, meta-modeling, multivariate statistics, rare event simulation, risk metrics, splitting methods, stochastic algorithms, stochastic and Bayesian optimization, uncertainty propagation Candidate profile: • A PhD in Probability and Statistics, or equivalent • A proven track record in quality research, as evidenced by research publications in the top scientific journals and conferences • Solid working knowledge of some of the topics listed above (see keywords), both in research and teaching • Solid working knowledge in the development of numerical methods or data analysis (with Python, R) • An understanding of financial risks is desirable • Good communication and management skills, allowing to be involved in the scientific life of the Chaire Position: 3 years, extension is possible. The teaching load will be about 70 hours/year. Net salary: about 2800€/month depending on the experience How to Apply: Your application should include a Cover Letter, Resume, publications, description of teaching experience. With your application, we ask that you briefly outline your experience against the selection criteria in the position description.
En savoir plus :https://drive.google.com/open?id=1iVZwCZrIshtBVo_gca6NeE5JnfKcp8ei
LecturerChaireStressTest.pdf
Contact :emmanuel.gobet@polytechnique.edu
Analyse d'images en élevage aviaire
Publiée le 13/09/2018 11:57.
Thèse, Toulouse.
Entreprise/Organisme :INRA
Niveau d'études :Master
Date de début :01/01/2019
Durée du contrat :3 ans
Rémunération :2000€ nets par mois
Description :Voir pdf joint
En savoir plus :http://www.biostat.envt.fr/wp-content/uploads/2018/09/Th%C3%A8se-CIFRE.pdf
Thèse CIFRE.pdf
Contact :d.concordet@envt.fr
Hierarchical generalized linear models for analyzing plant diversity: application to rice diversity
Publiée le 12/09/2018 11:36.
Référence : PhD position in statistics.
Thèse, Montpellier.
Entreprise/Organisme :CIRAD/Région Occitanie
Niveau d'études :Master
Date de début :Autumn 2018
Durée du contrat :3 years
Secteur d'activité :Recherche
Description :Quantitative genetics relies on specific random-effect models whose functional view is: phenotype = f(genotype) (Gianola, 2007). In this paradigm, there is no restriction on the genotype modeling and complex family structure can be modeled. On the contrary, the modeling of phenotypic traits (response variable in the regression model) is highly constrained (often a single trait or a vector or quantitative traits using linear mixed models). We propose to develop a new statistical modeling framework for the analysis of plant diversity that reverses the functional view which will be genotype = f(phenotype). The aim is to take account of heterogeneous phenotypic traits (categorical, ordinal, counts, quantitative, circular ...) while modeling various genotype families using hierarchies of categories (for instance species subdivided into subspecies, themselves having different geographical origins). This new modeling framework relies on the recently proposed partitioned conditional generalized linear models for categorical responses (Peyhardi et al., 2015, 2016), previously applied to the analysis of the influence of growth on the branching pattern of plants (Peyhardi et al., 2017). Up to know, hierarchical generalized linear models have been applied to small set of response categories – up to 5 categories of axillary production in Peyhardi et al. (2016; 2017) – for which biologically meaningful hierarchies of categories could be exhaustively explored. Moreover, a small number of explanatory variables were tested. The analysis of plant diversity requires taking into account a much higher number of categories which induces a very high combinatorics on the possible hierarchies of categories, even taking into account a priori biological information. We want also to incorporate any number of phenotypic variables into the model. From a statistical point of view, this raises new inference questions, especially of model selection. In these models, hierarchies of categories are formalized by a tree of nested partitions. The core of the thesis will therefore be to develop a method of selection (1) of the tree of nested partitions of categories taking into account a priori biological information and (2) of the phenotypic variables associated with each partition (e.g. phenotypic variables differentiating subspecies japonica and indica in the Asian cultivated rice). These new inference methods will be implemented in the hierarchical generalized linear models module of the OpenAlea software platform (Pradal et al., 2008). The application part of this thesis work will be based on the phenotypic database of rice panicles developed for many years by the UMR DIADE (Al Tam et al., 2013) with different partnerships including the LMI RICE 2, a joint international IRD-CIRAD-UM-USTH-AGI laboratory in Vietnam, CIAT in Columbia and INERA in Burkina Faso. This database integrates the Asian cultivated rice (Oryza sativa), its wild parent (Oryza rufipogon), as well as the African cultivated rice (Oryza glaberrima) and its wild parent (Oryza barthii) and continues to be regularly augmented. The proposed statistical modeling will enable to test a wide range of phenotypic variables of heterogeneous natures (quantitative variables: rachis length, cumulative length of the axes; count variables: maximum branching order, total number of grains; binary variable: compact or open character of the panicle ...). This application to the analysis of the rice panicle diversity was at the origin of this thesis subject but the formalism is general and other applications will be searched during the thesis.
En savoir plus :NA
PhDStatisticsMontpellier_en-1.pdf
Contact :yann.guedon@cirad.fr
PhD position in Statistical Data Science & Artificial Intelligence
Publiée le 11/09/2018 22:52.
Référence : PhD ANR SMILES.
Thèse, Caen @ Normandy.
Entreprise/Organisme :Caen University, Lab of mathematics Nicolas Oresme - UMR CNRS
Niveau d'études :Master
Sujet :Latent Data Models for Large-Scale Clustering
Date de début :november 2019 - Jan 2019
Durée du contrat :36 months
Rémunération :1900 gross/month + extra teaching bonus
Description :Please see the detailed description in the attached pdf file
En savoir plus :http://chamroukhi.com/PhD-ANR-SMILES.pdf
PhD-ANR-SMILES.pdf
Contact :faicel.chamroukhi@unicaen.fr
Postdoc/research engineer position in Statistical Learning & Big data
Publiée le 11/09/2018 22:52.
Référence : Postdoc/IGR AStérics.
Postdoc, Rouen @ Normandy.
Entreprise/Organisme :Lab of Mathematics Raphael Salem
Niveau d'études :Doctorat
Sujet :The candidate will participate to the creation of a data science platform dedicated to unsupervised classification of high-dimensional data. The first step concerns prototyping developed algorithms by the members of the project AStERiCs https://asterics.lmno.cnrs.fr, their integration into this platform on various real applications. These are unsupervised classification algorithms based on latent variable models. The second step is to integrate the algorithms that will be developed during the project. A part of the work will be carried out in collaboration with the LMNO lab on distributed regularized mixture models with environmental applications / genomic sequences. The main missions are: (i) Developing unsupervised learning models (ii) Prototyping unsupervised learning algorithms (iii) High performance distributed cloud computing (iv) Web integration and interfacing with the platform.
Date de début :Nov2018-Jan2019
Durée du contrat :14 months
Rémunération :2770 euros gross/month
Description :Please see the attached pdf file for the job description
En savoir plus :https://chamroukhi.com/AStERiCs-PostDocIGR-LMRS.pdf
AStERiCs-PostDoc:IGR-LMRS.pdf
Contact :faicel.chamroukhi@unicaen.fr
Post-doctorat en science des données
Publiée le 05/09/2018 16:53.
Postdoc, Vannes.
Entreprise/Organisme :Université de Bretagne Sud
Niveau d'études :Doctorat
Date de début :Septembre 2018 (ou plus tard selon les contraintes du candidat)
Durée du contrat :15 mois
Rémunération :2600 euros (brut)
Description :Post-doctorat de 15 mois en science des données dans le cadre d'un projet réunissant des partenaires industriels et le LMBA de Vannes (Laboratoire de Mathématiques de Bretagne-Atlantique). Le projet contenant à la fois une composante statistique et une partie analyse d’images, nous recherchons : - soit un titulaire d’un doctorat en statistique ayant une expérience en analyse d’images ou montrant un intérêt particulier pour ce domaine ; - soit un titulaire d’un doctorat en informatique / analyse d’images ayant des compétences en statistique / machine learning.
En savoir plus :http://web.univ-ubs.fr/lmba/2018-Postdoc_LMBA.pdf
Postdoc_LMBA.pdf
Contact :anne.cuzol@univ-ubs.fr
Mixture regression to identify latent pathways for genetic association studies
Publiée le 05/09/2018 11:34.
Stage, Paris.
Entreprise/Organisme :Institut Pasteur
Niveau d'études :Master
Sujet :Mixture regression to identify latent pathways for genetic association studies
Date de début :from 01/10/2018
Durée du contrat :6 months
Rémunération :Monthly allowance (approx. 500eur/mois)
Secteur d'activité :statistical genetics
Description :Large genome-wide association studies (GWAS) have been successful in identifying thousands of significant genetic associations for multiple traits and diseases. While the application of standard univariate approaches for detecting new genetic variants associated with traits and diseases will continue as sample size increases, a range of multi-traits analyses have been proposed in parallel to address questions about the joint genetic architecture of human phenotypes. In particular, several recent studies have discussed the application of Mendelian Randomization (MR) principle to GWAS summary statistics to assess potential causal relationship between human phenotypes. Our group recently explored similar approaches based on mixture regression with a primary objective of determining latent classes across genetic variants. The goal of this internship is to continue the development and application of the approach.
En savoir plus :https://research.pasteur.fr/en/team/statistical-genetics/
2018_Job.description_multivariateMethod.pdf
Contact :hugues.aschard@pasteur.fr
Inferring disease subtype from genetic data
Publiée le 05/09/2018 11:34.
Stage, Paris.
Entreprise/Organisme :Institut Pasteur
Niveau d'études :Master
Sujet :Inferring disease subtype from genetic data
Date de début :from 01/10/2018
Durée du contrat :6 months
Rémunération :Monthly allowance (approx. 500eur/mois)
Secteur d'activité :statistical genetics
Description :Several common human diseases are not single entity but rather composed of multiple heterogeneous disease subtypes. For example inflammatory bowel disease encompasses Crohn’s disease and ulcerative colitis, while breast cancer can be either ER (estrogen receptor) positive or negative. Subtypes are expected for many other diseases, but have not yet been characterized. Identifying latent disease subtypes is important both for elucidating the causes of disease, and for effective clinical treatment. Genetic and genomic data, which have led to new insights about causal variants, genes, pathways, and cell types for disease, have the potential to be informative also about disease subtypes. Indeed, disease heterogeneity commonly implies heterogeneous genetic architecture and subtype’s specific pattern of gene expression and other endophenotypes. We recently developed new approaches for assessing and quantifying potential disease heterogeneity from genetic data. The primary objective of this internship will be to assess the strength and limitation of these approaches while matching knowledge gathered from real case scenarios, and to perform a real data analysis in breast cancer data including over 70,000 individuals.
En savoir plus :https://research.pasteur.fr/en/team/statistical-genetics/
2018_Job.description_genetHeterogeneity.pdf
Contact :hugues.aschard@pasteur.fr
Stage 6 mois : Etude de la sur-représentation des plus jeunes dans les enquêtes Coset
Publiée le 22/08/2018 11:37.
Stage, 12 rue du Val d'Osne, 94415 Saint-Maurice Cedex.
Entreprise/Organisme :Santé publique France
Niveau d'études :Master
Sujet :Impact d’un plan de sondage à allocations inégales sur la variance des estimations : étude de la sur-représentation des plus jeunes dans les enquêtes Coset
Date de début :Mai/juin 2019
Durée du contrat :6 mois
Rémunération :oui
Secteur d'activité :Santé publique / enquêtes /sondages
Description :Santé publique France est l’agence nationale de santé publique française. Elle intervient au service de la santé des populations. Agence scientifique et d’expertise du champ sanitaire, elle a pour missions : (1) l'observation épidémiologique et la surveillance de l'état de santé des populations ; (2) la veille sur les risques sanitaires menaçant les populations ; (3) la promotion de la santé et la réduction des risques pour la santé ; (4) le développement de la prévention et de l'éducation pour la santé ; (5) La préparation et la réponse aux menaces, alertes et crises sanitaires ; (6) le lancement de l'alerte sanitaire. Le stage se déroulera dans l’unité « Appui à la conception, à la mise en place et à l’exploitation des enquêtes » de la Direction Appui, Traitements et Analyses des données (DATA). Cette unité a de nombreuses missions au sein de l’agence dont le montage d’enquêtes et la participation à leur coordination, la contribution à l’élaboration du plan de sondage, le data-management des données, la réalisation des analyses statistiques prenant en compte le plan de sondage… Le stage portera sur les données des enquêtes en ligne Coset (Cohortes pour la surveillance épidémiologique en lien avec le travail, http://www.coset.fr/ ) et en particulier sur les spécificités de son plan de sondage. Les échantillons des enquêtes Coset ont été construits en sur-représentant les plus jeunes (18-34 ans). Cette technique est classiquement utilisée dans les enquêtes dans le but d’approcher des populations d’intérêt rares et ainsi d’obtenir une puissance suffisante pour des analyses sur cette population. Ici, la sur-représentation a été utilisée de manière originale, afin de compenser un faible taux de réponse anticipé. En effet, l’enquête pilote avait montré que les plus jeunes avait un taux de réponse plus faible à nos enquêtes. Ainsi, lors de l’élaboration de l’échantillonnage de ces enquêtes, le faible taux de réponse des 18-34 ans a été anticipé et cette sous-population a été sur-représentée dans l’échantillon. L’objectif de la sur-représentation était d’obtenir suffisamment de jeunes dans l’échantillon des répondants pour effectuer des analyses sur cette sous-population, mais également d’obtenir une répartition des répondants par âge proche de celle de la population source. Ainsi, la sur-représentation doit améliorer la précision des estimations en particulier chez les jeunes. L’objectif de ce stage est d’étudier l’impact de la sur-représentation sur la répartition des répondants et sur la variance des estimations (globales et par classe d’âge), afin d’établir les bénéfices de cette stratégie pour les enquêtes Coset. Ce travail permettra de guider les stratégies d’échantillonnage des futures enquêtes menées par Santé publique France. Pour cela, le stagiaire étudiera les données des enquêtes Coset et simulera un échantillon à allocations proportionnelles (sans sur-représentation) à partir de ces données. Il sera nécessaire de simuler l’ensemble du processus d’enquête : tirage au sort de l’échantillon à interroger, simulation de l’échantillon des répondants, calcul des poids calés. Le stagiaire comparera ensuite les résultats pondérés obtenus sur l’échantillon des répondants Coset et sur l’échantillon simulé, notamment en termes de variances. Ce travail pourra faire l’objet d’une valorisation.
En savoir plus :xx
Offre stage 2018_2019_DATA_COSET2.pdf
Contact :noemie.soullier@santepubliquefrance.fr

Page précédente  1  2  3  4  5  6  7  <8>  9  Page suivante

 
 
©2018 SFdS
Société Française de Statistique
Institut Henri Poincaré
11 rue Pierre et Marie Curie
75231 Paris cedex 5
Tél. : +33 (0)1 44 27 66 60
Notre site a été supporté par :