Ce cours est le deuxième d'une séquence de deux cours introduisant les principes fondamentaux de la statistique bayésienne. Il s'appuie sur le cours Statistiques bayésiennes : Du concept à l'analyse des données, qui introduit les méthodes bayésiennes par l'utilisation de modèles conjugués simples. Les données du monde réel nécessitent souvent des modèles plus sophistiqués pour parvenir à des conclusions réalistes. Ce cours vise à élargir notre "boîte à outils bayésienne" avec des modèles plus généraux et des techniques de calcul pour les adapter. En particulier, nous introduirons les méthodes de Monte Carlo par chaîne de Markov (MCMC), qui permettent d'échantillonner des distributions a posteriori qui n'ont pas de solution analytique. Nous utiliserons les logiciels libres et gratuits R (une certaine expérience est supposée, par exemple, avoir suivi le cours précédent sur R) et JAGS (aucune expérience n'est requise). Nous apprendrons à construire, ajuster, évaluer et comparer des modèles statistiques bayésiens pour répondre à des questions scientifiques impliquant des données continues, binaires et de comptage. 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. Les cours magistraux fournissent quelques développements mathématiques de base, des explications sur le processus de modélisation statistique et quelques techniques de modélisation de base couramment utilisées par les statisticiens. Les démonstrations sur ordinateur fournissent des exemples concrets et pratiques. A l'issue de ce cours, vous aurez accès à une large gamme d'outils analytiques bayésiens, personnalisables en fonction de vos données.
Statistiques bayésiennes : Techniques et modèles
Ce cours fait partie de Spécialisation Statistiques bayésiennes
Instructeur : Matthew Heiner
Enseignant de premier plan
55 992 déjà inscrits
Inclus avec
(485 avis)
Ce que vous apprendrez
Communiquer efficacement les résultats de l'analyse des données.
Utiliser les résultats de la modélisation statistique pour tirer des conclusions scientifiques.
Étendre les modèles statistiques de base pour tenir compte des observations corrélées à l'aide de modèles hiérarchiques.
Compétences que vous acquerrez
- Catégorie : Échantillonnage de Gibbs
- Catégorie : Statistiques bayésiennes
- Catégorie : Inférence bayésienne
- Catégorie : La programmation en R
Détails à connaître
Ajouter à votre profil LinkedIn
17 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 5 modules dans ce cours
Modélisation statistique, modélisation bayésienne, estimation de Monte Carlo
Inclus
11 vidéos4 lectures4 devoirs1 sujet de discussion
Metropolis-Hastings, échantillonnage de Gibbs, évaluation de la convergence
Inclus
11 vidéos7 lectures4 devoirs
Régression linéaire, ANOVA, régression logistique, ANOVA à facteurs multiples
Inclus
11 vidéos5 lectures5 devoirs1 sujet de discussion
Régression de Poisson, modélisation hiérarchique
Inclus
10 vidéos7 lectures4 devoirs1 sujet de discussion
Projet d'analyse de données évalué par des pairs
Inclus
1 vidéo1 lecture1 évaluation par les pairs
Instructeur
Enseignant de premier plan
Offert par
Recommandé si vous êtes intéressé(e) par Probabilités et Statistiques
University of Amsterdam
Duke University
University of Amsterdam
University of Zurich
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
485 avis
- 5 stars
83,09 %
- 4 stars
12,78 %
- 3 stars
2,06 %
- 2 stars
1,03 %
- 1 star
1,03 %
Affichage de 3 sur 485
Révisé le 31 août 2020
One of the best practical math courses present in coursera. Loved the course and will surely look upto the next course eagerly.
Révisé le 7 juil. 2018
This is a great course for an introduction to Bayesian Statistics class. Prior knowledge of the use of R can be very helpful. Thanks for such a wonderful course!!!
Révisé le 30 nov. 2024
Very good instructor, knowledgeable and thorough, touching the right level of details with big picture in mind, and providing practical guide for hands-on Bayesian 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.