• pour les personnes
  • pour les affaires
  • pour les universités
  • pour les gouvernements
Coursera
Diplômes en ligne
Carrières
Connexion
Inscrivez-vous gratuitement
Coursera
Duke University
Statistiques bayésiennes
  • À propos
  • Résultats
  • Modules
  • Recommandations
  • Témoignages
  • Avis
  1. Parcourir
  2. Science des données
  3. Analyse des Données
Duke University

Statistiques bayésiennes

Mine Çetinkaya-Rundel
David Banks
Colin Rundel

Instructeurs : Mine Çetinkaya-Rundel

Enseignants

Évaluations de l’enseignant

Nous avons demandé à tous les étudiants de fournir des commentaires sur nos enseignants au sujet de la qualité de leur pédagogie.

3.6 (56 évaluations)
Mine Çetinkaya-Rundel
Mine Çetinkaya-Rundel
Duke University
10 Cours•415 908 apprenants
David Banks
David Banks
Duke University
2 Cours•77 356 apprenants
Colin Rundel
Colin Rundel
Duke University
2 Cours•77 356 apprenants
Merlise A Clyde
Merlise A Clyde
Duke University
2 Cours•77 356 apprenants

76 280 déjà inscrits

Inclus avec Coursera Plus

•

En savoir plus

7 modules
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
3.8

(798 avis)

niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
3 semaines à 10 heures une semaine
Apprenez à votre propre rythme
78%
La plupart des étudiants ont apprécié ce cours

7 modules
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
3.8

(798 avis)

niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
3 semaines à 10 heures une semaine
Apprenez à votre propre rythme
78%
La plupart des étudiants ont apprécié ce cours
  • À propos
  • Résultats
  • Modules
  • Recommandations
  • Témoignages
  • Avis

Compétences que vous acquerrez

  • Catégorie : Analyse des Données
    Analyse des Données
  • Catégorie : Distribution de probabilité
    Distribution de probabilité
  • Catégorie : Statistiques bayésiennes
    Statistiques bayésiennes
  • Catégorie : Analyse de régression
    Analyse de régression
  • Catégorie : Méthodes statistiques
    Méthodes statistiques
  • Catégorie : Probabilité
    Probabilité
  • Catégorie : Inférence statistique
    Inférence statistique
  • Catégorie : Modélisation statistique
    Modélisation statistique
  • Catégorie : La programmation en R
    La programmation en R
  • Catégorie : Prise de décision fondée sur les données
    Prise de décision fondée sur les données
  • Catégorie : Statistiques
    Statistiques

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

12 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires
 logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Analyse de données avec R
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • 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

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

Ce court module présente les bases des spécialisations et des cours Coursera en général, cette spécialisation : Statistics with R, et ce cours : Statistiques bayésiennes. Veuillez prendre quelques minutes pour lire ces informations. Merci de nous rejoindre dans ce cours !

Inclus

1 vidéo5 lectures1 sujet de discussion

1 vidéo•Total 2 minutes
  • Introduction aux statistiques avec R•2 minutes
5 lectures•Total 37 minutes
  • À propos des statistiques avec la spécialisation R•10 minutes
  • A propos des statistiques bayésiennes•10 minutes
  • Connaissances préalables•10 minutes
  • Special Thanks•2 minutes
  • Signaler un problème avec le cours•5 minutes
1 sujet de discussion•Total 10 minutes
  • Présentez-vous•10 minutes

<p>Bienvenue ! Au cours des prochaines semaines, nous allons explorer ensemble les statistiques bayésiennes. <Dans ce module, nous travaillerons avec les probabilités conditionnelles, c'est-à-dire la probabilité de l'événement B compte tenu de l'événement A. Les probabilités conditionnelles sont très importantes dans les décisions médicales. À la fin de la semaine, vous serez en mesure de résoudre des problèmes en utilisant la règle de Bayes et de mettre à jour les probabilités a priori.</p><p>Veuillez utiliser les objectifs d'apprentissage et le quiz pratique pour vous aider à apprendre la règle de Bayes et à appliquer ce que vous avez appris dans le laboratoire et dans le quiz.

Inclus

9 vidéos4 lectures3 devoirs

9 vidéos•Total 41 minutes
  • Les bases de la statistique bayésienne•1 minute
  • Probabilités conditionnelles et règle de Bayes•2 minutes
  • Règle de Bayes et tests de diagnostic•6 minutes
  • Mise à jour de Bayes•2 minutes
  • Définitions bayésienne et fréquentiste des probabilités•4 minutes
  • Inférence pour une proportion : Approche fréquentiste•3 minutes
  • Inférence pour une proportion : Approche bayésienne•7 minutes
  • Effet de la taille de l'échantillon sur la valeur postérieure•2 minutes
  • Inférence fréquentiste et inférence bayésienne•9 minutes
4 lectures•Total 260 minutes
  • Objectifs d'apprentissage du module•120 minutes
  • À propos de Lab Choices•10 minutes
  • Instructions du laboratoire de la semaine 1 (RStudio)•120 minutes
  • Instructions pour le laboratoire de la semaine 1 (RStudio Cloud)•10 minutes
3 devoirs•Total 80 minutes
  • Semaine 1 Labo•30 minutes
  • Quiz de la semaine 1•30 minutes
  • Quiz pratique de la semaine 1•20 minutes

Cette semaine, nous aborderons la version continue de la règle de Bayes et vous montrerons comment l'utiliser dans une famille conjuguée, et nous discuterons des intervalles crédibles. À la fin de cette semaine, vous serez en mesure de comprendre et de définir les concepts de probabilité a priori, vraisemblance et a posteriori et d'identifier leurs relations mutuelles.

Inclus

10 vidéos3 lectures3 devoirs

10 vidéos•Total 44 minutes
  • Inférence bayésienne•1 minute
  • Du discret au continu•5 minutes
  • Élicitation•6 minutes
  • Conjugalité•4 minutes
  • Inférence sur une proportion binomiale•5 minutes
  • Les familles conjuguées Gamma-Poisson•6 minutes
  • Les familles conjuguées normales-normales•3 minutes
  • Amorces non conjuguées•4 minutes
  • Intervalles crédibles•3 minutes
  • Inférence prédictive•4 minutes
3 lectures•Total 310 minutes
  • Objectifs d'apprentissage du module•120 minutes
  • Instructions du laboratoire de la semaine 2 (RStudio)•180 minutes
  • Instructions pour le laboratoire de la semaine 1 (RStudio Cloud)•10 minutes
3 devoirs•Total 90 minutes
  • Laboratoire de la semaine 2•30 minutes
  • Quiz de la semaine 2•40 minutes
  • Quiz pratique de la semaine 2•20 minutes

Dans ce module, nous aborderons la prise de décision bayésienne, les tests d'hypothèses et les tests bayésiens. À la fin de cette semaine, vous serez en mesure de prendre des décisions optimales basées sur les statistiques bayésiennes et de comparer plusieurs hypothèses à l'aide des facteurs de Bayes.

Inclus

14 vidéos3 lectures3 devoirs

14 vidéos•Total 74 minutes
  • Prise de décision•0 minutes
  • Pertes et prise de décision•3 minutes
  • Travailler avec des fonctions de perte•6 minutes
  • Minimisation de la perte attendue pour les tests d'hypothèse•5 minutes
  • Probabilités postérieures des hypothèses et facteurs de Bayes•6 minutes
  • La famille des conjugués normal-gamma•6 minutes
  • Inférence par échantillonnage de Monte Carlo•3 minutes
  • Distributions prédictives et choix préalables•5 minutes
  • Priors de référence•7 minutes
  • Mélanges d'amorces conjuguées et MCMC•6 minutes
  • Test d'hypothèse : Moyenne normale avec variance connue•7 minutes
  • Comparaison de deux moyennes appariées à l'aide des facteurs de Bayes•6 minutes
  • Comparaison de deux moyennes indépendantes : Test d'hypothèse•3 minutes
  • Comparaison de deux moyennes indépendantes : Que faut-il signaler ?•5 minutes
3 lectures•Total 310 minutes
  • Objectifs d'apprentissage du module•120 minutes
  • Instructions du laboratoire de la semaine 3 (RStudio)•180 minutes
  • Instructions pour le laboratoire de la semaine 3 (RStudio Cloud)•10 minutes
3 devoirs•Total 86 minutes
  • Labo de la semaine 3•30 minutes
  • Quiz de la semaine 3•40 minutes
  • Quiz pratique de la semaine 3•16 minutes

Cette semaine, nous allons étudier les régressions linéaires bayésiennes et la moyenne des modèles, qui vous permet de faire des déductions et des prédictions en utilisant plusieurs modèles. À la fin de cette semaine, vous serez en mesure de mettre en œuvre la moyenne de modèle bayésienne, d'interpréter la régression linéaire multiple bayésienne et de comprendre sa relation avec l'approche de la régression linéaire fréquentiste.

Inclus

11 vidéos3 lectures3 devoirs

11 vidéos•Total 72 minutes
  • Régression bayésienne•1 minute
  • Régression linéaire simple bayésienne•8 minutes
  • Vérification des valeurs aberrantes•4 minutes
  • Régression multiple bayésienne•4 minutes
  • Critères de sélection des modèles•5 minutes
  • Incertitude du modèle bayésien•7 minutes
  • Moyenne des modèles bayésiens•7 minutes
  • Exploration stochastique•8 minutes
  • Priors pour l'incertitude des modèles bayésiens•8 minutes
  • R démo : crime et châtiment•9 minutes
  • Décisions en cas d'incertitude du modèle•7 minutes
3 lectures•Total 310 minutes
  • Objectifs d'apprentissage du module•120 minutes
  • Instructions pour le laboratoire de la semaine 4 (RStudio Cloud)•180 minutes
  • Instructions pour le laboratoire de la semaine 4 (RStudio Cloud)•10 minutes
3 devoirs•Total 82 minutes
  • Laboratoire de la semaine 4•22 minutes
  • Quiz de la semaine 4•40 minutes
  • Quiz pratique de la semaine 4•20 minutes

Cette semaine est consacrée à des entretiens avec des statisticiens sur la manière dont ils utilisent les statistiques bayésiennes dans leur travail, ainsi qu'au projet final du cours.

Inclus

3 vidéos1 lecture

3 vidéos•Total 22 minutes
  • Inférence bayésienne : un entretien avec Jim Berger•9 minutes
  • Méthodes bayésiennes et big data : un entretien avec David Dunson•8 minutes
  • Méthodes bayésiennes en biostatistique et en santé publique : un entretien avec Amy Herring•4 minutes
1 lecture•Total 10 minutes
  • A propos de ce module•10 minutes

Dans ce module, vous utiliserez l'ensemble des données fournies pour répondre à une question d'analyse de données et rédiger un rapport à ce sujet. Veuillez lire les informations générales, examiner le modèle de rapport (téléchargé à partir du lien dans les informations sur le projet de leçon), puis effectuer le travail d'évaluation par les pairs.

Inclus

2 lectures1 évaluation par les pairs

2 lectures•Total 190 minutes
  • Informations sur le projet•180 minutes
  • Partagez votre expérience d'apprentissage•10 minutes
1 évaluation par les pairs•Total 60 minutes
  • Projet d'analyse de données•60 minutes

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

Évaluations de l’enseignant

Évaluations de l’enseignant

Nous avons demandé à tous les étudiants de fournir des commentaires sur nos enseignants au sujet de la qualité de leur pédagogie.

3.6 (56 évaluations)
Mine Çetinkaya-Rundel
Mine Çetinkaya-Rundel
Duke University
10 Cours•415 908 apprenants
David Banks
David Banks
Duke University
2 Cours•77 356 apprenants
Colin Rundel
Colin Rundel
Duke University
2 Cours•77 356 apprenants

Enseignants

Évaluations de l’enseignant

Nous avons demandé à tous les étudiants de fournir des commentaires sur nos enseignants au sujet de la qualité de leur pédagogie.

3.6 (56 évaluations)
Mine Çetinkaya-Rundel
Mine Çetinkaya-Rundel
Duke University
10 Cours•415 908 apprenants
David Banks
David Banks
Duke University
2 Cours•77 356 apprenants
Colin Rundel
Colin Rundel
Duke University
2 Cours•77 356 apprenants
Merlise A Clyde
Merlise A Clyde
Duke University
2 Cours•77 356 apprenants

Offert par

Duke University

Offert par

Duke University

L'université Duke compte environ 13 000 étudiants de premier et deuxième cycles et un corps professoral de classe mondiale qui contribue à repousser les frontières de la connaissance. L'université s'est fermement engagée à appliquer les connaissances au service de la société, tant à proximité de son campus de Caroline du Nord que dans le monde entier.

En savoir plus sur Analyse des Données

  • Statut : Essai gratuit
    Essai gratuit
    U

    University of California, Santa Cruz

    Bayesian Statistics

    Spécialisation

  • Statut : Essai gratuit
    Essai gratuit
    U

    University of California, Santa Cruz

    Bayesian Statistics: Techniques and Models

    Cours

  • Statut : Essai gratuit
    Essai gratuit
    U

    University of California, Santa Cruz

    Bayesian Statistics: From Concept to Data Analysis

    Cours

  • Statut : Essai gratuit
    Essai gratuit
    U

    University of California, Santa Cruz

    Bayesian Statistics: Mixture Models

    Cours

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

3.8

798 avis

  • 5 stars

    45,23 %

  • 4 stars

    20,42 %

  • 3 stars

    14,53 %

  • 2 stars

    9,27 %

  • 1 star

    10,52 %

Affichage de 3 sur 798

A
AA
4

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

C
C
4

Révisé le 11 juin 2018

Week 3 was too much information too soon, but week 4 was great again like the other courses in this specialisation. Learned so much, thanks!

L
LL
4

Révisé le 1 juin 2019

The course could have been more comprehensive and less verbose. It had so much content in a tiny course. Content should be less and more comprehensive.

Voir plus d’avis
Coursera Plus

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.

En savoir plus

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Découvrir les diplômes

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

En savoir plus

Foire Aux Questions

Nous supposons que vous avez des connaissances équivalentes aux cours préalables de cette spécialisation.

Non. L'achèvement d'un cours Coursera ne vous donne pas droit à un crédit académique de Duke ; par conséquent, Duke n'est pas en mesure de vous fournir un relevé de notes universitaire. Cependant, votre certificat électronique sera ajouté à votre page Accomplishments - à partir de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.

Pour accéder aux supports de cours, aux devoirs et pour obtenir un certificat, vous devez acheter l'expérience de certificat lorsque vous vous inscrivez à un cours. Vous pouvez essayer un essai gratuit ou demander une aide financière. Le cours peut proposer l'option "Cours complet, pas de certificat". 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.

Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la spécialisation et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.

Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.

Oui, pour certains programmes de formation, vous pouvez demander une aide financière ou une bourse si vous n'avez pas les moyens de payer les frais d'inscription. Si une aide financière ou une bourse est disponible pour votre programme de formation, vous trouverez un lien pour postuler sur la page de description.

Plus de questions

Visitez le Centre d'Aide pour les Étudiants

Aide financière disponible,

Pied de page Coursera

Compétences techniques

  • ChatGPT
  • Codage
  • Informatique
  • Cybersécurité
  • DevOps
  • Piratage éthique
  • IA générative
  • Programmation Java
  • Python
  • Développement Web

Compétences analytiques

  • Intelligence artificielle
  • Big Data
  • Analyse de valeur et de rentabilité
  • analyse des données
  • Science des données
  • Modélisation financière
  • Apprentissage automatique
  • Microsoft Excel
  • microsoft power bi
  • SQL

Compétences professionnelles

  • Comptabilité
  • Marketing numérique
  • Commerce électronique
  • Finance
  • Google
  • Conception graphique
  • IBM
  • Marketing
  • Project Management
  • Le marketing appliqué aux réseaux sociaux

Ressources professionnelles

  • Certifications informatiques essentielles
  • Compétences à acquérir pour les hauts revenus
  • Comment obtenir un certificat PMP
  • Comment apprendre l'Intelligence artificielle (IA)
  • Certifications populaires en cybersécurité
  • Certifications appréciées en analyse des données
  • Que fait un analyste de données ?
  • Ressources pour le développement de carrière
  • Test d'aptitude professionnelle
  • Partagez votre histoire d'apprentissage Coursera

Coursera

  • À propos
  • Ce que nous proposons
  • Direction
  • Carrières
  • Catalogue
  • Coursera Plus
  • Certificats Professionnels
  • Certificats MasterTrack®
  • Diplômes
  • Pour l'entreprise
  • Pour les gouvernements
  • Pour le campus
  • Devenir un partenaire
  • Impact social
  • cours gratuits
  • Recommandations de crédits ECTS

Communauté

  • Étudiants
  • Partenaires
  • Testeurs bêta
  • Blog
  • Le podcast Coursera
  • Blog Tech

Plus

  • Presse
  • Investisseurs
  • Conditions
  • Confidentialité
  • Aide
  • Accessibilité
  • Contact
  • Articles
  • Répertoire
  • Filiales
  • Déclaration sur l’esclavage moderne
  • Ne pas vendre/partager
Apprendre partout
Télécharger dans l'App Store
Disponible sur Google Play
Logo Certified B Corporation
© 2025 Coursera Inc. Tous droits réservés.
  • Facebook Coursera
  • Linkedin Coursera
  • Twitter Coursera
  • YouTube Coursera
  • Instagram Coursera
  • TikTok Coursera
Coursera

Bon retour

​
Votre mot de passe est masqué
​

ou

Vous débutez chez Coursera ?


Vous rencontrez des difficultés pour vous connecter ? Centre d'Aide pour les Étudiants

Ce site est protégé par reCAPTCHA Enterprise et la Politique de confidentialité Google et les Termes et Conditions s'appliquent.