Custom cover image
Régression avec R / by Pierre-André Cornillon, Eric Matzner-Løber
Contributor(s): Resource type: Ressourcentyp: Buch (Online)Book (Online)Language: French Series: Collection Pratique R | SpringerLink BücherPublisher: Paris : Springer-Verlag France S.A.R.L, 2011Description: Online-Ressource (XIV, 242p, digital)ISBN:- 9782817801841
- 519.5
- 310
- QA276-280
- QA278.2
Contents:
Summary: Eric Matzner-LøberSummary: Cet ouvrage expose de mani re d taill e l une des m thodes statistiques les plus courantes: la r gression. Apr?'s avoir pr sent la r gression lin aire simple et multiple, il s attache expliquer les fondements de la m thode, tant au niveau des choix op r?'s que des hypoth ses et de leur utilit . Ensuite sont d velopp?'s les outils permettant de v rifier les hypoth ses de base mises en uvre par la r gression. Une pr sentation simple des mod les d'analyse de la covariance et de la variance est effectu e. L ouvrage pr sente aussi les choix de mod les et certaines extensions de la r gression: lassoPPN: PPN: 1651021899Package identifier: Produktsigel: ZDB-2-SMA | ZDB-2-SMA
1.6 Inférence statistique1.7 Exemples; La concentration en ozone; La hauteur des eucalyptus; 1.8 Exercices; Chapitre 2 La régression linéaire multiple; 2.1 Introduction; 2.2 Modélisation; 2.3 Estimateurs des moindres carrés; 2.3.1 Calcul de ß et interprétation; 2.3.2 Quelques propriétés statistiques; 2.3.3 Résidus et variance résiduelle; 2.3.4 Prévision; 2.4 Interprétation géométrique; 2.5 Exemples; La concentration en ozone; La hauteur des eucalyptus; 2.6 Exercices; Chapitre 3 Inférence dans le modèle gaussien; 3.1 Estimateurs du maximum de vraisemblance
4.1.3 Analyse de la normalité4.1.4 Analyse de l'homoscédasticité; 4.1.5 Analyse de la structure des résidus; Structure due à une mauvaise modélisation; Structure temporelle; Structure spatiale; Conclusion; 4.2 Analyse de la matrice de projection; 4.3 Autres mesures diagnostiques; 4.4 Effet d'une variable explicative; 4.4.1 Ajustement au modèle; 4.4.2 Régression partielle : impact d'une variable; 4.4.3 Résidus partiels et résidus partiels augmentés; 4.5 Exemple : la concentration en ozone; 4.6 Exercices; Chapitre 5 Régression sur variables qualitatives; 5.1 Introduction
5.4.2 Modélisation du problème
3.2 Nouvelles propriétés statistiques3.3 Intervalles et régions de confiance; 3.4 Exemple; 3.5 Prévision; 3.6 Les tests d'hypothèses; 3.6.1 Introduction; 3.6.2 Test entre modèles emboîtés; Approche géométrique; Preuve; Test de Student de signification d'un coefficient ßj; Test de Fisher global; 3.7 Exemples; La concentration en ozone; La hauteur des eucalyptus; 3.8 Exercices; 3.9 Note : intervalle de confiance par Bootstrap; Chapitre 4 Validation du modèle; 4.1 Analyse des résidus; 4.1.1 Les différents résidus; 4.1.2 Ajustement individuel au modèle, valeur aberrante
Title Page; Table of Contents; Chapitre 1 La régression linéaire simple; 1.1 Introduction; 1.1.1 Un exemple : la pollution de l'air; 1.1.2 Un deuxième exemple : la hauteur des arbres; 1.2 Modélisation mathématique; 1.2.1 Choix du critère de qualité et distance à la droite; 1.2.2 Choix des fonctions à utiliser; 1.3 Modélisation statistique; 1.4 Estimateurs des moindres carrés; 1.4.1 Calcul des estimateurs de ßj , quelques propriétés; 1.4.2 Résidus et variance résiduelle; 1.4.3 Prévision; 1.5 Interprétations géométriques; 1.5.1 Représentation des individus; 1.5.2 Représentation des variables
5.2 Analyse de la covariance5.2.1 Introduction : exemple des eucalyptus; 5.2.2 Modélisation du problème; 5.2.3 Hypothèse gaussienne; 5.2.4 Exemple : la concentration en ozone; 5.2.5 Exemple : la hauteur des eucalyptus; 5.3 Analyse de la variance à 1 facteur; 5.3.1 Introduction; 5.3.2 Modélisation du problème; 5.3.3 Estimation des paramètres; 5.3.4 Interprétation des contraintes; 5.3.5 Hypothèse gaussienne et test d'influence du facteur; 5.3.6 Exemple : la concentration en ozone; 5.3.7 Une décomposition directe de la variance; 5.4 Analyse de la variance à 2 facteurs; 5.4.1 Introduction
No physical items for this record