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

Statistiques bayésiennes


Instructeurs : Mine Çetinkaya-Rundel
77 140 déjà inscrits
Inclus avec En savoir plus
801 avis
Compétences que vous acquerrez
- Catégorie : Analyse des données
- Catégorie : Modélisation statistique
- Catégorie : Analyse
- Catégorie : Méthodes statistiques
- Catégorie : Analyse de régression
- Catégorie : Inférence statistique
- Catégorie : Probabilité
- Catégorie : Analyse statistique
- Catégorie : Distribution de probabilité
- Catégorie : Probabilités et statistiques
- Catégorie : Évaluation du modèle
- Catégorie : Tests d'hypothèses statistiques
- Catégorie : Modélisation prédictive
- Catégorie : Prise de décision fondée sur des données
- Catégorie : Programmation statistique
- Catégorie : Statistiques bayésiennes
Outils que vous découvrirez
- Catégorie : R Programmation
- Catégorie : Logiciel statistique
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 étoiles
45,19 %
- 4 étoiles
20,47 %
- 3 étoiles
14,60 %
- 2 étoiles
9,23 %
- 1 étoile
10,48 %
Affichage de 3 sur 801
Révisé le 3 janv. 2017
Theis course is substantially more difficult than the three first ones, and the material is scarce. However, I must admit that this is one of the courses I have ever learnt the most
Révisé le 10 avr. 2018
I like this course a lot. Explanations are clear and much of the (unnecessarily heavyweight) maths is glossed over. I particularly liked the sections on Bayesian model selection.
Révisé le 26 oct. 2016
Great course with clear instruction and a final peer-review project with clear expectations and explanations.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Foire Aux Questions
Plus de questions
Aide financière disponible,


