Statistical inference is the process of drawing conclusions about populations or scientific truths from data. There are many modes of performing inference including statistical modeling, data oriented strategies and explicit use of designs and randomization in analyses. Furthermore, there are broad theories (frequentists, Bayesian, likelihood, design based, …) and numerous complexities (missing data, observed and unobserved confounding, biases) for performing inference. A practitioner can often be left in a debilitating maze of techniques, philosophies and nuance. This course presents the fundamentals of inference in a practical approach for getting things done. After taking this course, students will understand the broad directions of statistical inference and use this information for making informed choices in analyzing data.
Ce cours fait partie de la Spécialisation Science des données
Inférence statistique
proposé par
À propos de ce cours
4.2
3,140 notes
Ce que vous allez apprendre
Describe variability, distributions, limits, and confidence intervals
Make informed data analysis decisions
Understand the process of drawing conclusions about populations or scientific truths from data
Use p-values, confidence intervals, and permutation tests
Compétences que vous acquerrez
StatisticsStatistical InferenceStatistical Hypothesis Testing
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
118 heures pour terminer
Week 1: Probability & Expected Values
This week, we'll focus on the fundamentals including probability, random variables, expectations and more.
10 vidéos (Total 64 min), 11 lectures, 6 quiz
10 vidéos
Introductory video7 min
02 01 Introduction to probability6 min
02 02 Probability mass functions7 min
02 03 Probability density functions13 min
03 01 Conditional Probability3 min
03 02 Bayes' rule7 min
03 03 Independence3 min
04 01 Expected values5 min
04 02 Expected values, simple examples2 min
04 03 Expected values for PDFs7 min
11 lectures
Welcome to Statistical Inference10 min
Some introductory comments10 min
Pre-Course Survey10 min
Syllabus10 min
Course Book: Statistical Inference for Data Science10 min
Data Science Specialization Community Site10 min
Homework Problems10 min
Probability10 min
Conditional probability10 min
Expected values10 min
Practical R Exercises in swirl 110 min
1 exercice pour s'entraîner
Quiz 112 min
Semaine
211 heures pour terminer
Week 2: Variability, Distribution, & Asymptotics
We're going to tackle variability, distributions, limits, and confidence intervals.
10 vidéos (Total 76 min), 4 lectures, 4 quiz
10 vidéos
05 02 Variance simulation examples2 min
05 03 Standard error of the mean7 min
05 04 Variance data example3 min
06 01 Binomial distrubtion3 min
06 02 Normal distribution15 min
06 03 Poisson6 min
07 01 Asymptotics and LLN4 min
07 02 Asymptotics and the CLT8 min
07 03 Asymptotics and confidence intervals20 min
4 lectures
Variability10 min
Distributions10 min
Asymptotics10 min
Practical R Exercises in swirl Part 210 min
1 exercice pour s'entraîner
Quiz 216 min
Semaine
311 heures pour terminer
Week: Intervals, Testing, & Pvalues
We will be taking a look at intervals, testing, and pvalues in this lesson.
11 vidéos (Total 83 min), 5 lectures, 4 quiz
11 vidéos
08 02 T confidence intervals example4 min
08 03 Independent group T intervals14 min
08 04 A note on unequal variance3 min
09 01 Hypothesis testing4 min
09 02 Example of choosing a rejection region5 min
09 03 T tests7 min
09 04 Two group testing17 min
10 01 Pvalues7 min
10 02 Pvalue further examples5 min
Just enough knitr to do the project3 min
5 lectures
Confidence intervals10 min
Hypothesis testing10 min
P-values10 min
Knitr10 min
Practical R Exercises in swirl Part 310 min
1 exercice pour s'entraîner
Quiz 314 min
Semaine
413 heures pour terminer
Week 4: Power, Bootstrapping, & Permutation Tests
We will begin looking into power, bootstrapping, and permutation tests.
9 vidéos (Total 86 min), 4 lectures, 5 quiz
9 vidéos
11 01 Power4 min
11 02 Calculating Power12 min
11 03 Notes on power4 min
11 04 T test power8 min
12 01 Multiple Comparisons25 min
13 01 Bootstrapping7 min
13 02 Bootstrapping example3 min
13 03 Notes on the bootstrap10 min
13 04 Permutation tests9 min
4 lectures
Power10 min
Resampling10 min
Practical R Exercises in swirl Part 410 min
Post-Course Survey10 min
1 exercice pour s'entraîner
Quiz 418 min
4.2
626 avis42%
a commencé une nouvelle carrière après avoir terminé ces cours
38%
a bénéficié d'un avantage concret dans sa carrière grâce à ce cours
10%
a obtenu une augmentation de salaire ou une promotion
Meilleurs avis
Course is compressed with lots of statistical concepts. Which is very good as most must know concepts are imparted. Lots of extra reading is required to gain all insights. Very good motivating start .
The strategy for model selection in multivariate environment should have been explained with an example. This will make the model selection process, interaction and its interpretation more clear.
Enseignants
Brian Caffo, PhD
Professor, BiostatisticsBloomberg School of Public Health
Roger D. Peng, PhD
Associate Professor, BiostatisticsBloomberg School of Public Health
Jeff Leek, PhD
Associate Professor, BiostatisticsBloomberg School of Public Health
À propos de Université Johns-Hopkins
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
À propos de la Spécialisation Science des données
Ask the right questions, manipulate data sets, and create visualizations to communicate results.
This Specialization covers the concepts and tools you'll need throughout the entire data science pipeline, from asking the right kinds of questions to making inferences and publishing results. In the final Capstone Project, you’ll apply the skills learned by building a data product using real-world data. At completion, students will have a portfolio demonstrating their mastery of the material.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2019 Coursera Inc. Tous droits réservés.
