Ce cours présente l'approche bayésienne des statistiques, en commençant par le concept de probabilité et en passant à l'analyse des données. Nous découvrirons la philosophie de l'approche bayésienne ainsi que la manière de la mettre en œuvre pour les types de données les plus courants. Nous comparerons l'approche bayésienne à l'approche fréquentiste, plus communément enseignée, et nous verrons certains des avantages de l'approche bayésienne. En particulier, l'approche bayésienne permet une meilleure prise en compte de l'incertitude, des résultats plus intuitifs et interprétables, et des déclarations d'hypothèses plus explicites. Ce cours combine des vidéos, des démonstrations sur ordinateur, des lectures, des exercices et des forums de discussion pour créer une expérience d'apprentissage active. Pour l'informatique, vous avez le choix d'utiliser Microsoft Excel ou le progiciel statistique libre et gratuit R, avec un contenu équivalent pour les deux options. Les cours magistraux fournissent certains développements mathématiques de base ainsi que des explications sur la philosophie et l'interprétation. À l'issue de ce cours, vous comprendrez les concepts de l'approche bayésienne, les principales différences entre les approches bayésienne et fréquentiste, et serez en mesure d'effectuer des analyses de données de base.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Statistiques bayésiennes : Du concept à l'analyse des données
Ce cours fait partie de Spécialisation Statistiques bayésiennes
Instructeur : Herbert Lee
151 208 déjà inscrits
Inclus avec 
(3,170 avis)
Ce que vous apprendrez
Décrire et appliquer l'approche bayésienne des statistiques.
Expliquez les principales différences entre les approches bayésienne et fréquentiste.
Maîtriser les bases de l'environnement informatique R.
Compétences que vous acquerrez
- Catégorie : Statistiques
- Catégorie : Statistiques bayésiennes
- Catégorie : Inférence bayésienne
- Catégorie : La programmation en R
Détails à connaître
Ajouter à votre profil LinkedIn
18 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
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 4 modules dans ce cours
Dans ce module, nous passons en revue les bases de la probabilité et du théorème de Bayes. Dans la leçon 1, nous présentons les différents paradigmes ou définitions des probabilités et nous expliquons pourquoi les probabilités fournissent un cadre cohérent pour gérer l'incertitude. Dans la leçon 2, nous passons en revue les règles de la probabilité conditionnelle et présentons le théorème de Bayes. La leçon 3 passe en revue les distributions de probabilité courantes pour les variables aléatoires discrètes et continues.
Inclus
8 vidéos4 lectures5 devoirs1 sujet de discussion
Ce module présente les concepts d'inférence statistique d'un point de vue fréquentiste et bayésien. La leçon 4 adopte le point de vue fréquentiste, en démontrant l'estimation du maximum de vraisemblance et les intervalles de confiance pour les données binomiales. La leçon 5 présente les principes fondamentaux de l'inférence bayésienne. En commençant par une vraisemblance binomiale et des probabilités a priori pour des hypothèses simples, vous apprendrez à utiliser le théorème de Bayes pour mettre à jour l'a priori avec des données afin d'obtenir des probabilités a posteriori. Ce cadre est étendu à la version continue du théorème de Bayes pour estimer les paramètres de modèles continus et calculer les probabilités postérieures et les intervalles crédibles.
Inclus
11 vidéos5 lectures4 devoirs1 sujet de discussion
Dans ce module, vous apprendrez les méthodes de sélection des distributions préalables et de construction de modèles pour les données discrètes. La leçon 6 présente la sélection des antériorités et les distributions prédictives comme moyen d'évaluation des antériorités. La leçon 7 démontre l'analyse bayésienne des données de Bernoulli et introduit le concept pratique, sur le plan informatique, des antécédents conjugués. La leçon 8 construit un modèle conjugué pour les données de Poisson et discute des stratégies de sélection des hyperparamètres préalables.
Inclus
9 vidéos2 lectures4 devoirs1 sujet de discussion
Ce module couvre l'analyse bayésienne conjuguée et objective pour les données continues. La leçon 9 présente le modèle conjugué pour les données à distribution exponentielle. La leçon 10 traite des modèles pour les données normalement distribuées, qui jouent un rôle central en statistique. Dans la leçon 11, nous revenons sur la sélection des antériorités et discutons des antériorités "objectives" ou "non informatives". La leçon 12 présente la régression linéaire bayésienne avec des antécédents non informatifs, qui donne des résultats comparables à ceux de la régression classique
Inclus
9 vidéos5 lectures5 devoirs1 sujet de discussion
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Probabilités et Statistiques
IIMA - IIM Ahmedabad
Johns Hopkins University
University of Colorado Boulder
University of Illinois Urbana-Champaign
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 3170
3 170 avis
- 5 stars
67,27 %
- 4 stars
25,18 %
- 3 stars
5,17 %
- 2 stars
1,29 %
- 1 star
1,07 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Vous devriez avoir été exposé aux concepts d'un cours de statistiques de base (par exemple, les probabilités, le théorème de la limite centrale, les intervalles de confiance, la régression linéaire) et de calcul (intégration et différenciation), mais on ne s'attend pas à ce que vous vous souveniez de la façon de faire tous ces éléments. Le cours fournira une vue d'ensemble des concepts statistiques, ce qui devrait suffire à vous rappeler les détails nécessaires si vous avez au moins vu les concepts auparavant. Il est donc important que vous compreniez le concept d'une intégrale comme la recherche de l'aire sous une courbe, ou la différenciation pour trouver un maximum, mais il ne vous sera pas demandé de faire vous-même une intégration ou une différenciation.
L'analyse des données se fait à l'aide de logiciels. Ce cours permet de choisir entre Excel et R. Un contenu équivalent est fourni pour les deux options. Une très brève introduction à R est fournie pour les personnes qui ne l'ont jamais utilisé auparavant, mais il ne s'agit pas d'un cours sur R. Les apprenants qui utilisent Excel sont censés avoir déjà une connaissance de base d'Excel.
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.