Ce cours décrit les statistiques bayésiennes, dans lesquelles les déductions sur les paramètres ou les hypothèses sont mises à jour au fur et à mesure que les preuves s'accumulent. Vous apprendrez à utiliser la règle de Bayes pour transformer les probabilités a priori en probabilités a posteriori, et vous serez initié à la théorie sous-jacente et à la perspective du paradigme bayésien. Le cours appliquera les méthodes bayésiennes à plusieurs problèmes pratiques, afin de montrer les analyses bayésiennes de bout en bout qui vont de la formulation de la question à la construction de modèles, à l'obtention de probabilités a priori et à l'implémentation dans R (logiciel statistique gratuit) de la distribution a posteriori finale. En outre, le cours présentera les régions crédibles, les comparaisons bayésiennes de moyennes et de proportions, la régression bayésienne et l'inférence à l'aide de modèles multiples, ainsi qu'une discussion sur la prédiction bayésienne. Nous supposons que les apprenants de ce cours ont des connaissances de base équivalentes à celles qui sont couvertes dans les trois cours précédents de cette spécialisation : "Introduction aux probabilités et aux données, Statistiques inférentielles et Régression linéaire et modélisation

Statistiques bayésiennes
Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant

798 avis
Compétences que vous acquerrez
- Catégorie : Probabilités et statistiques
- Catégorie : Modélisation prédictive
- Catégorie : Méthodes statistiques
- Catégorie : Évaluation du modèle
- Catégorie : Distribution de probabilité
- Catégorie : Probabilité
- Catégorie : Analyse des données
- Catégorie : Statistiques bayésiennes
- Catégorie : Tests d'hypothèses statistiques
- Catégorie : Prise de décision fondée sur des données
- Catégorie : Analyse statistique
- Catégorie : Programmation statistique
- Catégorie : Inférence statistique
- Catégorie : Modélisation statistique
- Catégorie : Analyse de régression
Outils que vous découvrirez
- Catégorie : Logiciel statistique
- Catégorie : R Programmation
Détails à connaître

Ajouter à votre profil LinkedIn
12 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable

Il y a 7 modules dans ce cours
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs


Offert par
En savoir plus sur Analyse des données
Statut : Essai gratuitUniversity of California, Santa Cruz
Statut : Essai gratuitUniversity of California, Santa Cruz
Statut : Essai gratuitArizona State University
Statut : Essai gratuitIllinois Tech
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Avis des étudiants
- 5 stars
45,23 %
- 4 stars
20,42 %
- 3 stars
14,53 %
- 2 stars
9,27 %
- 1 star
10,52 %
Affichage de 3 sur 798
Révisé le 11 juin 2018
Week 3 was too much information too soon, but week 4 was great again like the other courses in this specialisation. Learned so much, thanks!
Révisé le 6 janv. 2020
It's a good one, but not as previous courses. Week 3 isn't well explained as other weeks. Hope it can be further improved
Révisé le 20 sept. 2017
Great course. Difficult to apprehend sometimes as the Frequentist paradigm is learned first but once you get it, it is really amazing to see the believe update in action with data.
Foire Aux Questions
Plus de questions
Aide financière disponible,





