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

Market Research and Consumer Behavior (Coursera) Coursera
IE Business School

Market Research and Consumer Behavior (Coursera)

Management & Leadership Marketing & Communication

Your marketing quest begins here! The first course in this specialization lays the neccessary groundwork for an overall successful marketing strategy. It is separated into two sections: Market Research and Consumer Behavior. Gain the tools and techniques to translate a decision problem into a research question in the Market Research module. Learn how to design a research plan, analyze the data gathered and accurately interpret and communicate survey reports, translating the results into practical recommendations.

Jun 22nd 2026
4 Weeks
Marketing Data Analysis Marketing Strategy
Details
Regression Models (Coursera) Coursera
Johns Hopkins University

Regression Models (Coursera)

Statistics & Data Analysis Data Science

Linear models, as their name implies, relates an outcome to a set of predictors of interest using linear assumptions. Regression models, a subset of linear models, are the most important statistical analysis tool in a data scientist’s toolkit. This course covers regression analysis, least squares and inference using regression models.

Jun 22nd 2026
4 Weeks
Statistics Regression Linear Regression
Details
Statistique pour l'ingénieur (FUN) FUN
Institut Mines-Telecom

Statistique pour l'ingénieur (FUN)

Engineering Statistics & Data Analysis

Les méthodes statistiques sont largement répandues dans presque tous les secteurs de l’activité humaine : sciences et techniques, économie, sciences humaines et sociales. Elles font partie des connaissances de base de l’ingénieur. Parmi les innombrables applications dans le domaine industriel, on peut citer le contrôle de qualité, la fiabilité, l’analyse des résultats de mesure, la prévision et la planification.

No sessions available
5-12 Weeks
Planning Statistics Probability
Details
Linear Regression and Modeling (Coursera) Coursera
Duke University

Linear Regression and Modeling (Coursera)

Statistics & Data Analysis Data Science

This course introduces simple and multiple linear regression models. These models allow you to assess the relationship between variables in a data set and a continuous response variable. Is there a relationship between the physical attractiveness of a professor and their student evaluation scores? Can we predict the test score for a child based on certain characteristics of his or her mother? In this course, you will learn the fundamental theory behind linear regression and, through data examples, learn to fit, examine, and utilize regression models to examine relationships between multiple variables, using the free statistical software R and RStudio.

Jun 22nd 2026
4 Weeks
Statistics Regression Modeling
Details
Text Retrieval and Search Engines (Coursera) Coursera
University of Illinois at Urbana-Champaign

Text Retrieval and Search Engines (Coursera)

Statistics & Data Analysis Data Science

Recent years have seen a dramatic growth of natural language text data, including web pages, news articles, scientific literature, emails, enterprise documents, and social media such as blog articles, forum posts, product reviews, and tweets. Text data are unique in that they are usually generated directly by humans rather than a computer system or sensors, and are thus especially valuable for discovering knowledge about people’s opinions and preferences, in addition to many other kinds of knowledge that we encode in text.

Jun 22nd 2026
5-12 Weeks
Machine Learning Search Data Mining
Details
Principles of fMRI 1 (Coursera) Coursera
Johns Hopkins University

Principles of fMRI 1 (Coursera)

Statistics & Data Analysis

Functional Magnetic Resonance Imaging (fMRI) is the most widely used technique for investigating the living, functioning human brain as people perform tasks and experience mental states. It is a convergence point for multidisciplinary work from many disciplines. Psychologists, statisticians, physicists, computer scientists, neuroscientists, medical researchers, behavioral scientists, engineers, public health researchers, biologists, and others are coming together to advance our understanding of the human mind and brain. This course covers the design, acquisition, and analysis of Functional Magnetic Resonance Imaging (fMRI) data, including psychological inference, MR Physics, K Space, experimental design, pre-processing of fMRI data, as well as Generalized Linear Models (GLM’s).

Jun 22nd 2026
4 Weeks
Medicine Statistics Data Analysis
Details
Leadership Through Marketing (Coursera) Coursera
Northwestern University

Leadership Through Marketing (Coursera)

Management & Leadership

The success of every organization depends on attracting and retaining customers. Although the marketing concepts for doing so are well established, digital technology has empowered customers, while producing massive amounts of data, revolutionizing the processes through which organizations attract and retain customers. In this course, students will learn how to identify new opportunities to create value for empowered consumers, develop strategies that yield an advantage over rivals, and develop the data science skills to lead more effectively, allocate resources, and to confront this very challenging environment with confidence.

Jun 28th 2026
4 Weeks
Marketing Strategy Leadership
Details