Dans ce cours, nous explorerons les principes de base de l'utilisation des données pour l'estimation et l'évaluation des théories. Nous analyserons à la fois les données catégorielles et les données quantitatives, en commençant par les techniques relatives à une population et en élargissant notre champ d'action pour traiter les comparaisons entre deux populations. Nous apprendrons à construire des intervalles de confiance. Nous utiliserons également des échantillons de données pour évaluer si une théorie sur la valeur d'un paramètre est cohérente avec les données. L'accent sera mis sur l'interprétation appropriée des résultats déductifs.

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

Analyse statistique inférentielle avec Python
Ce cours fait partie de Spécialisation "Statistiques avec Python"
Enseigné en Français (doublage IA)



Instructeurs : Brenda Gunderson
49 182 déjà inscrits
Inclus avec
937 avis
Expérience recommandée
Ce que vous apprendrez
Déterminer les hypothèses nécessaires pour calculer les intervalles de confiance pour leurs paramètres de population respectifs.
Créez des intervalles de confiance en Python et interprétez les résultats.
Examiner comment les procédures inférentielles sont appliquées et interprétées étape par étape lors de l'analyse de données réelles.
Effectuez des tests d'hypothèse en Python et interprétez les résultats.
Compétences que vous acquerrez
- Catégorie : Probabilités et statistiques
- Catégorie : Statistiques bayésiennes
- Catégorie : Méthodes statistiques
- Catégorie : Analyse statistique
- Catégorie : Statistiques
- Catégorie : Tests d'hypothèses statistiques
- Catégorie : Inférence statistique
- Catégorie : Analyse
- Catégorie : Échantillonnage (statistiques)
- Catégorie : Programmation statistique
- Catégorie : Prise de décision fondée sur des données
Outils que vous découvrirez
- Catégorie : Logiciel statistique
- Catégorie : Programmation Python
- Catégorie : Jupyter
Détails à connaître

Ajouter à votre profil LinkedIn
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 4 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 Michigan
Statut : Essai gratuitUniversity of Michigan
Statut : Essai gratuitUniversity of Michigan
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
73,85 %
- 4 stars
17,82 %
- 3 stars
5,22 %
- 2 stars
1,49 %
- 1 star
1,60 %
Affichage de 3 sur 937
Révisé le 19 mars 2020
Great Course. There are so many example to understand the topic. I really enjoyed every lesson of this specialization. I am going forward for the next one.
Révisé le 21 juin 2019
A very in-depth learning material for inferential statistics. Very good explanation of p-value which clarifies some of the prevailing misunderstandings.
Révisé le 21 janv. 2021
Very good course content and mentors & teachers. The course content was very structured. I learnt a lot from the course and gained skills which will definitely gonna help me in future.
Foire Aux Questions
Plus de questions
Aide financière disponible,
¹ Certains travaux de ce cours sont notés par l'IA. Pour ces travaux, vos Données internes seront utilisées conformément à Notification de confidentialité de Coursera.





