Modern Statistical Computing and Regression Modeling in R

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.

Modern Statistical Computing and Regression Modeling in R

Ce cours fait partie de Spécialisation "Modern Statistics for Data-Driven Decision-Making"

Instructeurs : Anthony Kuhn

Inclus avec

4 modules

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

niveau Intermédiaire

Expérience recommandée

1 semaine à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

4 modules

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

niveau Intermédiaire

Expérience recommandée

1 semaine à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

Ce que vous apprendrez

Learners will understand computer applications for working with data, and concepts & applications of using R for regression analysis.

Compétences que vous acquerrez

Catégorie : Data Storage Technologies
Catégorie : Statistical Hypothesis Testing
Catégorie : Data Manipulation
Catégorie : Data Storage
Catégorie : Statistics

Outils que vous découvrirez

Catégorie : Database Software

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Récemment mis à jour !

janvier 2026

Évaluations

5 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 "Modern Statistics for Data-Driven Decision-Making"

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 4 modules dans ce cours

Welcome to Modern Statistical Computing and Regression Modeling in R. In this course, you will become familiar with computer applications for working with data, including Excel, R, Tableau, and Jupyter Notebooks; and will learn concepts and applications of Monte Carlo methods and regression analysis.

This Specialization covers the use of statistical methods in today's business, industrial, and social environments, including several new methods and applications. H.G. Wells foresaw an era when the understanding of basic statistics would be as important for citizenship as the ability to read and write. Modern Statistics for Data-Driven Decision-Making teaches the basics of working with and interpreting data, skills necessary to succeed in Wells’s “new great complex world” that we now inhabit. In this course, learners will develop facility for using software applications for data storage, analysis, and presentation; and will be able to employ Monte Carlo simulations and regression models in working with data. Learn more about the instructors who developed this course. Read the instructor bios and review the learning outcomes for the course.

Inclus

9 vidéos9 lectures1 devoir

9 vidéos Total 59 minutes

Course Introduction 3 minutes
A Century of Statistical Computing 8 minutes
Excel for Data Analysis 16 minutes
Basic Operations in Tableau 5 minutes
Introduction to R and RStudio, Part 1 6 minutes
Introduction to R and RStudio, Part 2 10 minutes
R Markdown Demo 4 minutes
Jupyter Notebooks, Kernels, and Databricks 3 minutes
Jupyter Lab Demo 3 minutes

9 lectures Total 113 minutes

Course Resources and Peer Reviews 5 minutes
Course GitHub Repository - For Practice with Data Sets and Code 10 minutes
Instructor Bios 10 minutes
Section Overview 3 minutes
A Century of Statistical Computing 5 minutes
Getting Started with R and RStudio 10 minutes
Demos in R - Resources for Navigating the R Environment 30 minutes
RMarkdown Alternative: Quarto 10 minutes
Reading for Installation of Jupyter 30 minutes

1 devoir Total 30 minutes

Practice quiz for Tools and Technology for Statisticians and Data Scientists 30 minutes

In this module, we will explore pseudo random number generators, learn about seeds and use a seed to generate reproducible results. We will use R’s d, p, q, and r functions to measure and generate random variates. We will conduct a Monte Carlo simulation of an experiment and analyze results from the hypothesis tests executed in R using simulated data.

Inclus

11 vidéos2 lectures1 devoir

11 vidéos Total 56 minutes

Monte Carlo Simulations 9 minutes
Distributions and PRNG in R 11 minutes
Segment 1: Introduction to Parallel Computing: Benefits and Applications 4 minutes
Segment 2: Parallel Computation in R: Parallel Library and Worker Types 3 minutes
Segment 3: Solving for Side Effects and Optimizing Parallel Computing 2 minutes
Segment 4: Worker Cluster Set-Up and Demo 5 minutes
Using a Simple Cluster Demo 6 minutes
Segment 1: Introduction and Testing a Website Change 3 minutes
Segment 2: Perform the Test 4 minutes
Segment 3: Long Run Performance & Unplanned Early Stopping 5 minutes
Segment 4: Changing Success Rate 4 minutes

2 lectures Total 20 minutes

Parallel Computing in R Lecture - Video Segment Overview 10 minutes
Simulation Study in R Lecture - Video Chapter Overview 10 minutes

1 devoir Total 30 minutes

Practice Quiz for Using R Simulation 30 minutes

In this module, we re-visit the ordinary linear regression model. We also use R to fit a regression model and display and interpret model-fit statistics and coefficient summaries and tests.

Inclus

21 vidéos4 lectures1 devoir

21 vidéos Total 70 minutes

Ordinary Linear Regression 7 minutes
Segment 1: Introduction to Diagnostics and Remediation 1 minute
Segment 2: Introduction to Anscombe’s Quartet and Diagnostic Plots 4 minutes
Segment 3: Influence Diagnostics and Plots 6 minutes
Segment 4: Solving for the Problem of Multicollinearity 2 minutes
Segment 5: Solving for the Problem of Non-Constant Variance 2 minutes
Linear Model and Scope 2 minutes
Formula and Factors, Part 1 10 minutes
Model Matrix and Wilkinson Notation 5 minutes
Segment 1: Scaling Numeric Factors 2 minutes
Segment 2: Handling Categorical Factors 1 minute
Segment 3: Define a Factor in R 2 minutes
Segment 4: Web Site Test and Dummy Coding 3 minutes
Segment 5: Effect Coding 3 minutes
Segment 6: Setting Coding in R 2 minutes
Segment 7: Factors and Fitting 1 minute
Segment 1: The Need for Regularized Regression 5 minutes
Segment 2: Introduction to Regularization Methods and Tools 4 minutes
Segment 3: Comparative Example: Ridge Regression Versus Lasso Regression 2 minutes
Segment 4: Cross-Validation Simulation Example: Ridge Regression 3 minutes
Segment 5: Cross-Validation Example: Lasso Regression 3 minutes

4 lectures Total 100 minutes

Chapter 11: Simple Linear Regression and Correlation (Optional) 70 minutes
Diagnostics & Remediation Lecture - Video Segment Overview 10 minutes
Formula and Factors, Part 2 Lecture - Video Segment Overview 10 minutes
Regularization Lecture - Video Segment Overview 10 minutes

1 devoir Total 30 minutes

Practice Quiz for Linear Model Regression, Diagnostics, and Penalized Versions 30 minutes

In this module, you will use data sets to review and calculate linear and nonlinear models. Be sure to view videos for this module, complete the readings, and any assignments. Begin by reviewing the learning objectives before beginning work in this module.

Inclus

5 vidéos1 lecture2 devoirs1 évaluation par les pairs

5 vidéos Total 29 minutes

Using the Linear Model with Transformations 13 minutes
Segment 1: Introduction to GLM Implementation in R 4 minutes
Segment 2: Pneumoconiosis Data Analysis Example with GLM 6 minutes
Segment 3: Aircraft Damage Data Analysis Example 4 minutes
Segment 4: Worsted Yarn Data Re-Visited, Summary and Further Considerations for GLMs 2 minutes

1 lecture Total 10 minutes

Generalized Linear Models in R - Video Segment Overview 10 minutes

2 devoirs Total 60 minutes

Nonlinear Regression in R 30 minutes
Nonlinear Regression Quiz 30 minutes

1 évaluation par les pairs Total 60 minutes

Mini-Project for Modern Statistics for Data-Driven Decision-Making 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

Anthony Kuhn

Arizona State University

1 Cours 110 apprenants

Offert par

Arizona State University

En savoir plus sur Math and Logic

University of Colorado Boulder
Modern Regression Analysis in R
Cours
Packt
R Programming for Statistics and Data Science
Cours
University of Colorado Boulder
Statistics and Data Analysis with R
Cours
O.P. Jindal Global University
Statistical Methods and Data Analysis
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.’

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

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

Foire Aux Questions

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.