FUN

Introduction à la Statistique avec R (FUN)

Offered by Université Paris-Saclay,
Introduction à la Statistique avec R (FUN)

Ce cours permet d’apprendre la statistique à l’aide du logiciel libre R. Le recours aux mathématiques est minimal. L’objectif est de savoir analyser des données en comprenant ce que l’on fait. Ce cours permet d’apprendre la statistique à l’aide du logiciel libre R.

Le recours aux mathématiques est minimal. L’objectif est de savoir analyser des données, de comprendre ce que l’on fait, et de pouvoir communiquer ses résultats.
Ce cours s’adresse aux étudiants et praticiens de toutes disciplines qui recherchent une formation pratique. Il sera utile à toute personne ayant le besoin d’analyser un jeu de données réel dans le cadre d’un enseignement, de son activité professionnelle ou de recherche, ou par simple curiosité d’analyser un jeu de données par soi-même (données du web, données publiques…).

Le cours s’appuie sur le logiciel libre R qui est un des logiciels de statistique les plus puissants disponibles actuellement.
Les méthodes abordées sont : les techniques descriptives, les tests, l’analyse de variance, les modèles de régression linéaire et logistique, les données censurées (de survie).
Format
Le cours comprend deux volets :

  • des chapitres de cours abordant des notions de statistiques et des connaissances essentielles sur le logiciel R
  • des "labs": vidéos de pratique du logiciel R sous l’interface RStudio.

Chaque semaine, 4 à 6 vidéos de cours d’une dizaine de minutes et un “lab” seront mis en ligne.

Plan du cours

Semaine 1
Introduction aux statistiques et à R,description d’une variable
Introduction
Chapitre 1 : Définitions
Chapitre 2 : Représentations graphiques
Chapitre 3 : Mesures de position et de dispersion : les principes
Chapitre 4 : Mesures de position et de dispersion : la pratique
Lab 1 : Introduction à R studio, manipulation des fichiers et des variables

Semaine 2
Intervalles de confiance, association entre variables
Chapitre 5 : Intervalles de confiance
Chapitre 6 : Coefficient de corrélation
Chapitre 7 : Risque relatif et odds-ratio
Lab 2 : Manipulation de données, résumés numériques et graphiques
Lab 3 : RMarkdown et rapport automatisé

Semaine 3
Tests statistiques et pratique des tests
Chapitre 8 : Tests statistiques : le “p”
Chapitre 9 : Tests statistiques : l’approche de Neyman et Pearson
Chapitre 10 : Comparaison de deux pourcentages
Chapitre 11 : Comparaison de deux moyennes
Chapitre 12 : Test de nullité d’une corrélation, divers
Lab 4 : Mesures d'association, tests statistiques, update sur RMarkdown

Semaine 4
Régression linéaire simple et multiple, régression logistique
Chapitre 13 : Régression linéaire simple
Chapitre 14 : Régression linéaire, corrélation et test t
Chapitre 15 : Régression linéaire multiple, analyse de variance
Chapitre 16 : Introduction à la régression logistique
Chapitre 17 : Régression logistique multiple
Lab 5 : Régression linéaire et logistique

Semaine 5
Données de survie (censurées), méthodes exploratoires multidimensionnelles
Chapitre 18 : Données de survie ou censurées
Chapitre 19 : Tests et modèles pour données censurées
Chapitre 20 : Introduction aux méthodes exploratoires multidimensionnelles
Chapitre 21 : Analyse en composantes principales
Chapitre 22 : Classification hiérarchique

Go to Class
MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Related Courses

Visualization for Data Journalism (Coursera) Coursera
University of Illinois at Urbana-Champaign

Visualization for Data Journalism (Coursera)

Statistics & Data Analysis Data Science

While telling stories with data has been part of the news practice since its earliest days, it is in the midst of a renaissance. Graphics desks which used to be deemed as “the art department,” a subfield outside the work of newsrooms, are becoming a core part of newsrooms’ operation. Those people (they often have various titles: data journalists, news artists, graphic reporters, developers, etc.) who design news graphics are expected to be full-fledged journalists and work closely with reporters and editors.

Nov 2nd 2026
5-12 Weeks
Python Storytelling Data Analysis
Details
Materials Data Sciences and Informatics (Coursera) Coursera
Georgia Institute of Technology

Materials Data Sciences and Informatics (Coursera)

Engineering Sci: Chemistry

This course aims to provide a succinct overview of the emerging discipline of Materials Informatics at the intersection of materials science, computational science, and information science. Attention is drawn to specific opportunities afforded by this new field in accelerating materials development and deployment efforts.

Nov 2nd 2026
5-12 Weeks
Statistics Informatics Chemistry
Details
Population Health: Responsible Data Analysis (Coursera) Coursera
Leiden University

Population Health: Responsible Data Analysis (Coursera)

Statistics & Data Analysis Data Science

In most areas of health, data is being used to make important decisions. As a health population manager, you will have the opportunity to use data to answer interesting questions. In this course, we will discuss data analysis from a responsible perspective, which will help you to extract useful information from data and enlarge your knowledge about specific aspects of interest of the population.

Nov 2nd 2026
4 Weeks
Data Analysis R Programming Regression Analysis
Details
Bioinformatic Methods II (Coursera) Coursera
University of Toronto

Bioinformatic Methods II (Coursera)

Sci: Biology & Life Sciences Health & Society

Large-scale biology projects such as the sequencing of the human genome and gene expression surveys using RNA-seq, microarrays and other technologies have created a wealth of data for biologists. However, the challenge facing scientists is analyzing and even accessing these data to extract useful information pertaining to the system being studied. This course focuses on employing existing bioinformatic resources – mainly web-based programs and databases – to access the wealth of data to answer questions relevant to the average biologist, and is highly hands-on.

Oct 26th 2026
5-12 Weeks
Biology Bioinformatics Molecular Biology
Details
Math for MBA and GMAT Prep (Coursera) Coursera
Emory University

Math for MBA and GMAT Prep (Coursera)

Business

This course gives participants a basic understanding of statistics as they apply in business situations. A fair share of students considering MBA programs come from backgrounds that do not include a large amount of training in mathematics and statistics. Often, students find themselves at a disadvantage when they apply for or enroll in MBA programs. This course will give you the tools to understand how these business statistics are calculated for navigating the built-in formulas that are included in Excel, but also how to apply these formulas in an range of business settings and situations.

Nov 2nd 2026
5-12 Weeks
Statistics Excel Statistical Analysis
Details
Healthcare Information Design and Visualizations (Coursera) Coursera
Northeastern University

Healthcare Information Design and Visualizations (Coursera)

Statistics & Data Analysis Data Science

Introduces processes and design principles for creating meaningful displays of information that support effective business decision-making. Studies how to collect and process data; create visualizations (both static and interactive); and use them to provide insight into a problem, situation, or opportunity. Introduces methods to critique visualizations along with ways to answer the elusive question: “What makes a visualization effective?”

Nov 2nd 2026
4 Weeks
Healthcare Storytelling Data Analysis
Details
Functional Programming in Scala Capstone (Coursera) Coursera
École Polytechnique Fédérale de Lausanne

Functional Programming in Scala Capstone (Coursera)

Statistics & Data Analysis Data Science

In the final capstone project you will apply the skills you learned by building a large data-intensive application using real-world data. You will implement a complete application processing several gigabytes of data. This application will show interactive visualizations of the evolution of temperatures over time all over the world.

Nov 2nd 2026
5-12 Weeks
Interface Scala Interactive
Details
Analyse de données quantitatives en sciences humaines et sociales (ADSHS) (FUN) FUN
Communauté Université Grenoble Alpes

Analyse de données quantitatives en sciences humaines et sociales (ADSHS) (FUN)

Sci: Mathematics Social Sciences

Pas besoin d’être matheux pour être confronté, au quotidien, à une profusion de chiffres et de données statistiques. Dans les médias, sur les réseaux sociaux ou même dans les conversations ordinaires, il est courant d’argumenter, chiffres à l’appui. Pourtant, sommes-nous sûrs de savoir d’où viennent et comment ont été produites ces fameuses « données chiffrées » qui semblent faire autorité, ou qui animent tout au moins le débat ? Ce cours en ligne propose d’abord de revenir sur les raisons qui ont poussé les premiers chercheurs en sciences humaines et sociales à introduire les données statistiques dans leurs raisonnements, stabilisant des méthodes d’investigation de l’opinion et des pratiques qui se sont par la suite vulgarisées dans l’espace social.

No sessions available
5-12 Weeks
Sociology Big Data Data Analysis
Details
Python and Statistics for Financial Analysis (Coursera) Coursera
The Hong Kong University of Science and Technology - HKUST

Python and Statistics for Financial Analysis (Coursera)

Economics & Finance Business

Python is now becoming the number 1 programming language for data science. Due to python’s simplicity and high readability, it is gaining its importance in the financial industry. The course combines both python coding and statistical concepts and applies into analyzing financial data, such as stock data.

Nov 2nd 2026
4 Weeks
Python Statistics Inference
Details