Ebook: Regression: Theorie et applications
- Tags: Statistical Theory and Methods, Statistics for Life Sciences Medicine Health Sciences, Statistics for Engineering Physics Computer Science Chemistry & Geosciences, Statistics for Social Science Behavorial Science Education Publ
- Series: Statistique et probabilites appliquees
- Year: 2007
- Publisher: Springer Paris
- Language: French
- pdf
Cet ouvrage expose de maniere detaillee, exemples `l'appui, l’une des methodes statistiques les plus courantes : la regression. Les premiers chapitres sont consacres `la regression lineaire simple et multiple. Ils expliquent les fondements de la methode, tant au niveau des choix operes que des hypotheses et de leur utilite. Ensuite sont developpes les outils permettant de verifier les hypotheses de base mises en ?uvre par la regression. Une presentation simple des modeles d'analyse de la covariance et de la variance est effectuee. Enfin, les derniers chapitres sont consacres au choix de modeles ainsi qu'`certaines extensions de la regression: lasso, PLS, PCR... La presentation temoigne d'un reel souci pedagogique des auteurs qui beneficient d'une experience d'enseignement aupres de publics tres varies. Les resultats exposes sont replaces dans la perspective de leur utilite pratique grace `l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous le logiciel R figurent dans le corps du texte. Enfin chaque chapitre est complete par une suite d'exercices corriges. Le niveau mathematique requis le rend accessible aux etudiants des ecoles d'ingenieurs, de Masters et aux chercheurs dans les divers domaines des sciences appliquees.
Cet ouvrage expose de maniere detaillee, exemples `l'appui, l’une des methodes statistiques les plus courantes : la regression. Les premiers chapitres sont consacres `la regression lineaire simple et multiple. Ils expliquent les fondements de la methode, tant au niveau des choix operes que des hypotheses et de leur utilite. Ensuite sont developpes les outils permettant de verifier les hypotheses de base mises en ?uvre par la regression. Une presentation simple des modeles d'analyse de la covariance et de la variance est effectuee. Enfin, les derniers chapitres sont consacres au choix de modeles ainsi qu'`certaines extensions de la regression: lasso, PLS, PCR... La presentation temoigne d'un reel souci pedagogique des auteurs qui beneficient d'une experience d'enseignement aupres de publics tres varies. Les resultats exposes sont replaces dans la perspective de leur utilite pratique grace `l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous le logiciel R figurent dans le corps du texte. Enfin chaque chapitre est complete par une suite d'exercices corriges. Le niveau mathematique requis le rend accessible aux etudiants des ecoles d'ingenieurs, de Masters et aux chercheurs dans les divers domaines des sciences appliquees.
Content:
Front Matter....Pages i-xv
La regression lineaire simple....Pages 1-32
La regression lineaire multiple....Pages 33-52
Inference dans le modele gaussien....Pages 53-79
Validation du modele....Pages 81-102
Regression sur variables qualitatives....Pages 103-141
Choix de variables....Pages 143-178
Moindres carres generalises....Pages 179-196
Regression biaisee....Pages 197-238
Back Matter....Pages 239-303
Cet ouvrage expose de maniere detaillee, exemples `l'appui, l’une des methodes statistiques les plus courantes : la regression. Les premiers chapitres sont consacres `la regression lineaire simple et multiple. Ils expliquent les fondements de la methode, tant au niveau des choix operes que des hypotheses et de leur utilite. Ensuite sont developpes les outils permettant de verifier les hypotheses de base mises en ?uvre par la regression. Une presentation simple des modeles d'analyse de la covariance et de la variance est effectuee. Enfin, les derniers chapitres sont consacres au choix de modeles ainsi qu'`certaines extensions de la regression: lasso, PLS, PCR... La presentation temoigne d'un reel souci pedagogique des auteurs qui beneficient d'une experience d'enseignement aupres de publics tres varies. Les resultats exposes sont replaces dans la perspective de leur utilite pratique grace `l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous le logiciel R figurent dans le corps du texte. Enfin chaque chapitre est complete par une suite d'exercices corriges. Le niveau mathematique requis le rend accessible aux etudiants des ecoles d'ingenieurs, de Masters et aux chercheurs dans les divers domaines des sciences appliquees.
Content:
Front Matter....Pages i-xv
La regression lineaire simple....Pages 1-32
La regression lineaire multiple....Pages 33-52
Inference dans le modele gaussien....Pages 53-79
Validation du modele....Pages 81-102
Regression sur variables qualitatives....Pages 103-141
Choix de variables....Pages 143-178
Moindres carres generalises....Pages 179-196
Regression biaisee....Pages 197-238
Back Matter....Pages 239-303
....