Les statistiques inférentielles permettent de faire des déductions basées sur les relations trouvées dans l'échantillon et les relations dans la population. Les statistiques inférentielles nous aident à décider, par exemple, si les différences entre les groupes que nous observons dans nos données sont suffisamment fortes pour étayer notre hypothèse selon laquelle les différences entre les groupes existent en général, dans l'ensemble de la population. Nous commencerons par examiner les principes de base des tests de signification : l'échantillonnage et la distribution des statistiques de test, la valeur p, le niveau de signification, la puissance et les erreurs de type I et de type II. Nous examinerons ensuite un grand nombre de tests statistiques et de techniques qui nous aident à faire des déductions pour différents types de données et différents types de modèles de recherche. Pour chaque test statistique, nous examinerons comment il fonctionne, pour quelles données et quel modèle il est approprié et comment les résultats doivent être interprétés. Vous apprendrez également à effectuer ces tests à l'aide d'un logiciel disponible gratuitement.
Statistiques déductives
Ce cours fait partie de Spécialisation Méthodes et statistiques en sciences sociales
Instructeurs : Annemarie Zand Scholten
66 670 déjà inscrits
Inclus avec
(593 avis)
Compétences que vous acquerrez
- Catégorie : Statistiques
- Catégorie : Inférence statistique
- Catégorie : Analyse de régression
- Catégorie : Analyse de la variance (ANOVA)
Détails à connaître
Ajouter à votre profil LinkedIn
8 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 8 modules dans ce cours
[texte formaté ici]
Inclus
1 vidéo10 lectures
Dans ce deuxième module de la semaine 1, nous allons nous plonger dans un rafraîchissement rapide des tests d'hypothèses statistiques. Comme nous partons du principe que vous venez de suivre le cours Statistiques de base, notre approche est un peu plus abstraite et nous allons très vite ! Nous fournissons les vidéos du cours Statistiques de base au cas où vous auriez besoin d'une introduction plus douce. Après cette mise à jour, nous discutons des méthodes permettant de comparer deux groupes sur une variable dépendante catégorielle ou quantitative. Nous utilisons différents tests pour les groupes indépendants et dépendants.
Inclus
9 vidéos5 lectures1 devoir3 éléments d'application
Dans ce module, nous abordons la question de l'association catégorielle. Nous discuterons principalement du test du Khi-deux qui nous permet de décider si deux variables catégorielles sont liées dans la population. Si deux variables catégorielles ne sont pas liées, on peut s'attendre à ce que les catégories de ces variables n'aillent pas ensemble. Vous vous attendez à ce que le nombre de cas dans chaque catégorie d'une variable soit proportionnellement similaire à chaque niveau de l'autre variable. Le test du Khi-deux nous aide à comparer le nombre réel de cas pour chaque combinaison de catégories (les fréquences conjointes) au nombre attendu de cas si les variables ne sont pas liées.
Inclus
6 vidéos4 lectures1 devoir1 élément d'application
Dans ce module, nous verrons comment décrire l'association entre deux variables quantitatives à l'aide d'une analyse de régression simple (linéaire). L'analyse de régression nous permet de modéliser la relation entre deux variables quantitatives et - sur la base de notre échantillon - de décider si une relation "réelle" existe dans la population. L'analyse de régression est plus utile que le simple calcul d'un coefficient de corrélation, car elle nous permet d'évaluer dans quelle mesure notre ligne de régression s'adapte aux données, elle nous aide à identifier les valeurs aberrantes et à prédire les scores de la variable dépendante pour les nouveaux cas.
Inclus
9 vidéos4 lectures1 devoir1 élément d'application
Dans ce module, nous verrons comment nous pouvons utiliser plus d'un prédicteur pour décrire ou prédire une variable quantitative de résultat. En sciences sociales, les relations entre les variables psychologiques et sociales ne sont généralement pas très fortes, car les résultats sont généralement influencés par des processus complexes impliquant de nombreuses variables. Il est donc très utile de pouvoir décrire une variable de résultat à l'aide de plusieurs prédicteurs, non seulement pour améliorer l'adéquation du modèle, mais aussi pour évaluer la contribution individuelle de chaque prédicteur, tout en contrôlant les autres.
Inclus
8 vidéos4 lectures1 devoir1 élément d'application
Dans ce module, nous aborderons l'analyse de la variance, une technique très populaire qui nous permet de comparer plus de deux groupes sur une variable quantitative dépendante. La raison pour laquelle nous l'appelons analyse de la variance est que nous comparons deux estimations de la variance dans la population. Si les moyennes des groupes diffèrent dans la population, ces estimations de la variance diffèrent. Tout comme la régression multiple, l'analyse factorielle de la variance nous permet d'étudier l'influence de plusieurs variables indépendantes.
Inclus
6 vidéos3 lectures1 devoir1 élément d'application
Dans ce module, nous aborderons le dernier sujet de ce cours : Les tests non paramétriques. Jusqu'à présent, nous avons surtout considéré les tests qui nécessitent des hypothèses sur la forme de la distribution (tests z, tests t et tests F). Parfois, ces hypothèses ne tiennent pas. Les tests non paramétriques nécessitent moins d'hypothèses. Il existe plusieurs tests non paramétriques qui correspondent aux tests paramétriques z-, t- et F. Ces tests sont également utiles lorsque la variable réponse est une variable catégorielle ordonnée plutôt qu'une variable quantitative. Il existe également des équivalents non paramétriques du coefficient de corrélation et certains tests qui n'ont pas d'équivalents paramétriques.
Inclus
7 vidéos5 lectures1 devoir1 élément d'application
Dans ce dernier module, il n'y a pas de nouveau matériel à étudier. Nous vous conseillons de prendre un peu plus de temps pour réviser la matière des modules précédents et pour vous entraîner à l'examen final. Nous avons mis à votre disposition un examen blanc que vous pouvez passer autant de fois que vous le souhaitez. L'examen final est structuré exactement comme l'examen d'entraînement, de sorte que vous sachiez à quoi vous attendre. Veuillez noter que vous ne pouvez passer l'examen final que deux fois tous les sept jours. Veuillez respecter le code d'honneur et ne pas communiquer ou vous entretenir avec d'autres personnes pendant ou après l'examen. Dans les questions ouvertes de l'examen (c'est-à-dire celles qui ne sont pas à choix multiples), vous devez indiquer vos réponses avec trois décimales et utiliser cinq décimales dans vos calculs. Nous vous souhaitons bonne chance !
Inclus
2 devoirs
Instructeurs
Offert par
Recommandé si vous êtes intéressé(e) par Probabilités et Statistiques
Johns Hopkins University
University of Illinois Urbana-Champaign
Johns Hopkins University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
593 avis
- 5 stars
62,90 %
- 4 stars
21,24 %
- 3 stars
7,92 %
- 2 stars
3,20 %
- 1 star
4,72 %
Affichage de 3 sur 593
Révisé le 13 avr. 2019
Enjoyed it. The tutors are amazing in how they help you understand each topic and the workings around it.
Révisé le 14 avr. 2016
I understood inferential statistics better with this course. Both teachers made the concepts clear for me. The R homework helps me review inferential statistics methods.
Révisé le 12 juin 2024
It's an outstanding course, have learnt my skills and techniques for testing hypothesis and data analysis.
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.
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
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.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
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.