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
Obtenez l'une de nos meilleures offres avec Coursera Plus pour 199 $ (habituellement 399 $). Économisez maintenant.

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

University of California, Santa Cruz

University of California, Santa Cruz

University of Pittsburgh

Arizona State University
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
45,18 %
- 4 stars
20,52 %
- 3 stars
14,51 %
- 2 stars
9,26 %
- 1 star
10,51 %
Affichage de 3 sur 799
Révisé le 24 août 2017
An interesting and challenging course, would be better with more real examples and explanation as some of the material felt rushed
Révisé le 2 juin 2017
Learnt a lot. Though the subject material was hard to grasp first hand, it is good that instructor was readily available to help us through.
Révisé le 25 oct. 2016
Great course with clear instruction and a final peer-review project with clear expectations and explanations.
Foire Aux Questions
Plus de questions
Aide financière disponible,




