Cesi-unb

🎓 Briser les barrières de l’inertie avec des données : bravo à *KABORE Oumar* !
En cette semaine de célébration, le Club des Étudiants en Statistique et Informatique (CESI-UNB) est fier de mettre à l’honneur *M. KABORE Oumar*, qui a soutenu avec brio et engagement son mémoire de Licence en Statistique et Informatique à l'Université N**i Boni, le 15 mai dernier, avec la mention « Très Bien ».
Il a travaillé précisément sur le sujet : « Déterminants de l’acceptabilité et de l’adhérence des femmes enceintes aux interventions anti-palustres dans le district sanitaire de Nanoro »

🔍 Grâce à une analyse rigoureuse (régression logistique, Chi², Wilcoxon, intervalles interquartiles…), il a mis en lumière des obstacles majeurs à l’efficacité des politiques de santé publique, parmi lesquels : le jeune âge des femmes enceintes, l’absence de suivi communautaire, la situation matrimoniale (célibataire/divorcée) et le statut de primipare.
📊 Ce travail, encadré par le Dr Serge M.A. SOMDA, avec le soutien du Dr Rouamba, a été présenté devant un jury présidé par le Dr . Il ne s’agit pas seulement d’une réussite académique : c’est une contribution directe à l’amélioration des politiques sanitaires, au service des femmes les plus vulnérables.

Le CESI-UNB adresse ses sincères remerciements à l’équipe pédagogique de la filière LSI, aux membres du jury, au personnel du district sanitaire de Nanoro, aux responsables de l’UFR/SEA et à la présidence de l’Université N**i Boni pour leur soutien constant à la relève scientifique.
💬 Pourquoi c’est important ?
Parce que l’avenir des politiques publiques passe par l’évidence statistique.
Parce que la santé des femmes enceintes ne devrait pas dépendre du hasard.
Parce que nos étudiants peuvent influencer le réel, dès la licence.
✨ À l’Université N**i Boni, la Statistique n’est pas qu’une discipline : c’est un levier de transformation.
hashtag hashtag hashtag hashtag hashtag hashtag hashtag hashtag hashtag hashtag hashtag hashtag

🎉 Congratulations to NABALOUM Djamila Bérénice Aline!

🎓 A rigorous graduate committed to improving maternal health
📊 Now a Statistician, a data-driven decision-making advocate
The Student Club of Statistics and Computer Science of N**i Boni University (CESI-UNB) proudly congratulates Ms. NABALOUM Djamila Bérénice Aline for the successful defense of her Bachelor’s thesis in Statistics and Computer Science (LSI) at the UFR/SEA on Thursday, May 15, 2025, with the distinction "Très Bien" (Very Good).
🔬 Thesis Title:
Factors influencing the duration of antenatal care in the evaluation of the Antenatal Care Project in the health districts of Tougan and Houndé.
Her research, supervised by Dr. Serge M.A SOMDA and supported by Mr. Antoine KABORE, was defended before a distinguished panel chaired by Professor Boureima SANGARÉ, a renowned scholar in mathematical modeling applied to public health.
This study investigated the key factors influencing the time required to deliver antenatal care (ANC) services in the health districts of Tougan and Houndé, within the framework of the Antenatal Care Project. Using statistical methods including descriptive analysis and ANOVA, Ms. NABALOUM identified two major influencing factors: the professional profile of healthcare providers and the type of ANC service provided. Her findings reveal that more qualified health workers tend to perform ANC services more efficiently, while more complex procedures require longer durations and more skilled personnel. Based on these insights, she proposed practical recommendations, such as strengthening the continuous training of healthcare providers, implementing performance monitoring systems, and building the capacities of less qualified staff—particularly Auxiliary and Certified Midwives—to enhance the effectiveness of ANC services in rural settings.

CESI-UNB extends its heartfelt thanks to:
• The LSI teaching team, for their dedication and support;
• The jury members, for their academic rigor and availability;
• The field staff and Antenatal Care Project stakeholders, for their collaboration and assistance;
• The Coordinator of the LSI program, for his guidance and leadership;
• The Deputy Director and Director of UFR/SEA, for their unwavering support;
• The President of N**i Boni University, for promoting quality and inclusive higher education.
✨ This achievement once again showcases the excellence of the LSI program at N**i Boni University, which equips graduates with the analytical tools and skills to contribute effectively to public policies and development sectors such as health, economics, and information systems.

-----------------------------------------------------------------
🎉 Félicitations à NABALOUM Djamila Bérénice Aline !

🎓 Une diplômée rigoureuse au service de la santé maternelle
📊 Désormais Statisticienne, actrice de la décision fondée sur les données
Le Club des Étudiants en Statistique et Informatique de l’Université N**i Boni (CESI-UNB) adresse ses vives félicitations à Mlle NABALOUM Djamila Bérénice Aline, qui a brillamment soutenu son mémoire de Licence en Statistique et Informatique (LSI) à l’UFR/SEA, le jeudi 15 mai 2025, avec la mention Très Bien.
Elle a travaillé sur les « Facteurs influençant le temps de réalisation des soins prénatals dans l’évaluation du projet Antenatal Care dans les districts sanitaires de Tougan et de Houndé. »
Encadrée par Dr Serge M.A SOMDA, une référence dans le domaine des données et le soutien de M. Antoine KABORE, elle a défendu son travail devant un jury prestigieux présidé par le Professeur Boureima SANGARÉ, enseignant-chercheur reconnu en modélisation mathématique appliquée à la santé publique.
Dans ce travail, Mlle NABALOUM s’est penchée sur les facteurs qui influencent le temps de réalisation des soins prénatals (SPN) dans les districts sanitaires de Tougan et de Houndé, dans le cadre du projet Antenatal Care. À travers une approche statistique combinant analyse descriptive et analyse de la variance (ANOVA), elle a identifié deux déterminants majeurs : le profil professionnel des prestataires de santé et le type de SPN à effectuer. Son étude révèle que les prestataires les mieux qualifiés réalisent plus efficacement les SPN, tandis que la complexité de certains actes allonge significativement leur durée. En réponse à ces constats, elle propose des recommandations concrètes telles que la formation continue du personnel, le renforcement des compétences des agents de santé les moins qualifiés, et l’instauration de systèmes de suivi des performances, dans le but d’améliorer la qualité et l’efficacité des soins prénatals, particulièrement en zones rurales.

Le CESI-UNB exprime sa sincère reconnaissance à :
• L’équipe pédagogique de la filière LSI, pour son encadrement et son dévouement ;
• Les membres du jury, pour leur rigueur scientifique et leur engagement ;
• Le personnel et les acteurs du projet Antenatal Care, pour leur disponibilité et leur accueil ;
• M. le Coordonnateur de la filière LSI, pour son accompagnement constant ;
• M. le Directeur adjoint et M. le Directeur de l’UFR/SEA, pour leur soutien académique affirmé ;
• M. le Président de l’Université N**i Boni, pour sa vision d’une université inclusive, performante et connectée aux défis de développement.
✨ Cette réussite reflète l’excellence de la formation en Statistique et Informatique à l’Université N**i Boni, qui prépare des professionnels capables d’apporter des solutions concrètes et fondées sur les données dans les secteurs clés comme la santé publique, l’économie, l’éducation ou encore les systèmes d’information.

📍

Le CESI & MLG Learning vous invitent à un atelier inédit :
🧠📱 « Santé et Bien-être Numérique »
🗓️ Samedi 26 Avril 2025
🕝 14H30
📍 UBC Belle Ville (ex ISFP)

Au menu :
✅ Sécurité & confidentialité en ligne
✅ Bons réflexes pour préserver votre santé
✅ Équilibre entre vie numérique et bien-être
✅ Activités pratiques & surprises !

# # #📚Ne Ratez Pas Cette Opportunité ! 🌟

Vous êtes à la recherche d'un outil indispensable pour exceller dans vos études de mathématiques ? Ne cherchez plus !

*Découvrez notre Formulaire de Mathématiques* :
- *Algebra*
- *Analyse*
- *Statistiques*
- *Probabilités*

Cette édition 2024-2025, rédigée par le Professeur *Boureima Sangaré*, expert reconnu et Chevalier de l'Ordre des Palmes Académiques, est le compagnon idéal pour vous guider à travers vos cours et vous aider à maîtriser les concepts clés.

Pour un prix abordable de *2.000 FCFA*, investissez dans votre avenir académique et augmentez vos chances de réussite.

N'attendez plus, faites le choix de l'excellence !

Pour tout besoin, veuillez contacter l'ingénieur statisticien *Daouda TRAORE* (Étudiant de Pr. Sangaré) au *74 47 81 12* ou au *72 78 72 15 ou par mail: [email protected]*.

’a-t-il de difference entre valeurs manquante et valeur absentes ?
La reponse est « Oui », en effet, en statistique et en analyse de données, une valeur manquante et une valeur absente peuvent sembler similaires, mais elles ont des distinctions importantes en fonction du contexte dans lequel elles sont utilisées.
. Valeur manquante (Missing value)
Une valeur manquante est une donnée attendue dans un ensemble de données qui n'est pas disponible ou qui n'a pas été collectée pour une raison quelconque. Cela signifie qu'une observation devait être faite ou enregistrée à un endroit spécifique, mais que l'information est manquante. Elle est généralement représentée par des symboles spéciaux (comme `NA`, `NaN` ou `. ` en fonction du logiciel de traitement). Comme exemple : Dans un questionnaire, si une question est posée à tous les participants mais qu'une personne ne répond pas, la réponse à cette question est une valeur manquante (1).
. Valeur absente (Absent value)
Une valeur absente, en revanche, peut désigner une donnée qui n'est pas attendue ou qui n'existe pas dans un certain contexte. Cela signifie que l'absence de la donnée est intentionnelle ou naturelle parce qu'il n'y a pas lieu d'avoir cette information pour cette observation particulière. Par exemple, si une enquête ne s'applique qu'à un sous-groupe spécifique, comme les femmes, les hommes n'auront pas de réponse pour certaines questions (comme celles relatives à la grossesse ou autre concernant que les dames). Dans ce cas, les données sont absentes pour les hommes, car ces informations ne leur sont pas applicables (2).

[email protected] | 62 48 07 51

Valeur manquante # Valeur absente, et si on parlais de ça ?

:

En statistique, une valeur aberrante (ou outlier) est une donnée qui s'écarte fortement des autres observations du même ensemble de données. Elle peut être extrêmement grande ou petite par rapport aux autres valeurs, et peut indiquer une erreur dans les données, une variabilité inhabituelle, ou encore un phénomène qui mérite une attention particulière.

.Exemples_de_valeurs_aberrantes :
- Dans une enquête sur les revenus, si la plupart des individus déclarent des revenus mensuels entre $1000 et $5000, mais qu'un individu déclare un revenu de $100 000, cette valeur serait considérée comme aberrante.
- Lors de la collecte de données de température, une mesure de 50°C dans une région où la température habituelle varie entre 15°C et 30°C pourrait être une valeur aberrante.

.Méthodes_pour_vérifier_les_valeurs_aberrantes :
Il existe plusieurs techniques pour détecter les valeurs aberrantes, notamment :
._Inspection_visuelle :
- Utilisez des graphiques comme les boxplots (diagrammes en boîte) ou des scatterplots (nuages de points) pour visualiser les données. Les valeurs aberrantes apparaissent souvent clairement dans ces types de graphiques.
._Calcul_des_quartiles_et_de_l’écart_interquartile_(IQR) :
- Les valeurs aberrantes peuvent être définies comme des données situées au-delà de 1,5 fois l’IQR en dessous du premier quartile (Q1) ou au-dessus du troisième quartile (Q3).
- IQR = Q3 - Q1
- Les valeurs inférieures à Q1 - 1,5 * IQR ou supérieures à Q3 + 1,5 * IQR sont considérées comme aberrantes.
._Moyenne_et_écart-type :
- Une règle empirique consiste à considérer les valeurs situées à plus de 3 écarts-types de la moyenne comme des valeurs aberrantes.

.Z-score :
- Le z-score est une mesure de la distance d'une valeur par rapport à la moyenne, en termes d'écart-type. Si une valeur a un z-score supérieur à 3 ou inférieur à -3, elle peut être considérée comme une valeur aberrante.

.Modèles_statistiques :
- Dans certains cas, des modèles comme les régressions ou les méthodes basées sur des arbres décisionnels peuvent aider à identifier les valeurs qui ne suivent pas le modèle prédictif attendu.
1. Gestion des valeurs aberrantes :
Une fois les valeurs aberrantes identifiées, plusieurs options s'offrent à vous :
- Vérification des erreurs de saisie : Vérifiez si la valeur est une erreur de collecte de données.
- Exclusion des valeurs : Si la valeur aberrante est due à une erreur ou à une situation anormale, vous pouvez envisager de la supprimer de votre analyse.
- Transformation des données : Appliquez une transformation (par exemple logarithmique) pour réduire l'impact des valeurs aberrantes.
- Méthodes robustes : Utilisez des méthodes statistiques robustes qui sont moins sensibles aux valeurs aberrantes.
L'identification et le traitement des valeurs aberrantes sont essentiels pour garantir la fiabilité et la précision des résultats de l'analyse.

[email protected] / 62 48 07 51

Belle celebration de Tabaski a tous 🙏
Que nos prierres soient significatives aupres de Dieu au seuil de 1%🙏

Connaisseur connais 😂 a vous de voir

La communauté, on peut proceder aux jeux ? Avec des recompenses.
??