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
Profitez de l'une de nos meilleures offres et renforcez vos compétences avec 50 % de réduction sur Coursera Plus. Économisez maintenant.

Demander à Coursera
799 avis
Compétences que vous acquerrez
- Catégorie : Analyse statistique
- Catégorie : Modélisation prédictive
- Catégorie : Distribution de probabilité
- Catégorie : Programmation statistique
- Catégorie : Tests d'hypothèses statistiques
- Catégorie : Analyse
- Catégorie : Méthodes statistiques
- Catégorie : Probabilités et statistiques
- Catégorie : Analyse des données
- Catégorie : Analyse de régression
- Catégorie : Statistiques bayésiennes
- Catégorie : Modélisation statistique
- Catégorie : Inférence statistique
- Catégorie : Évaluation du modèle
- Catégorie : Prise de décision fondée sur des données
- Catégorie : Probabilité
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
Statut : Essai gratuitUniversity of California, Santa Cruz
Statut : Essai gratuitUniversity of California, Santa Cruz
Statut : Essai gratuitUniversity of Pittsburgh
Statut : Essai gratuitArizona 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 25 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 3 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 29 juil. 2016
The section about Beta-Binomial Conjugate is taught very fast and unless the student is quite familiar with Beta and Gamma distributions, it makes it very difficult to follow the course.
Foire Aux Questions
Plus de questions
Aide financière disponible,




