Ebook: Regression avec R
- Series: Collection Pratique R
- Year: 2011
- Publisher: Springer Paris
- Language: French
- pdf
Cet ouvrage expose en détail l'une des méthodes statistiques les plus courantes : la régression. Il concilie théorie et applications, en insistant notamment sur l'analyse de données réelles avec le logiciel R.
Les premiers chapitres sont consacrés � la régression linéaire simple et multiple, et expliquent les fondements de la méthode, tant au niveau des choix opérés que des hypothèses et de leur utilité. Puis ils développent les outils permettant de vérifier les hypothèses de base mises en œuvre par la régression, et présentent les modèles d'analyse de la variance et covariance. Suit l’analyse du choix de modèle en régression multiple. Les derniers chapitres présentent certaines extensions de la régression, comme la régression sous contraintes (ridge, lasso et lars), la régression sur composantes (PCR et PLS), et, enfin, introduisent � la régression non paramétrique (spline et noyau).
La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce � l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous le logiciel R figurent dans le corps du texte. Chaque chapitre est complété par une suite d'exercices corrigés. Le niveau mathématique requis rend ce livre accessible aux élèves ingénieurs, aux étudiants de niveau Master et aux chercheurs actifs dans divers domaines des sciences appliquées.
Vous pouvez télécharger les exercices corrigés ainsi que les commandes R de l’ouvrage sur ce site (voir rubrique « Informations complémentaires » sur la colonne de droite).
Pierre-André Cornillon est Maître de Conférences � l’université Rennes-2-Haute-Bretagne.
Eric Matzner-Løber est Professeur � l’université Rennes-2-Haute-Bretagne.
Cet ouvrage expose en detail l'une des methodes statistiques les plus courantes : la regression. Il concilie theorie et applications, en insistant notamment sur l'analyse de donnees reelles avec le logiciel R.
Les premiers chapitres sont consacres `la regression lineaire simple et multiple, et expliquent les fondements de la methode, tant au niveau des choix operes que des hypotheses et de leur utilite. Puis ils developpent les outils permettant de verifier les hypotheses de base mises en ?uvre par la regression, et presentent les modeles d'analyse de la variance et covariance. Suit l’analyse du choix de modele en regression multiple. Les derniers chapitres presentent certaines extensions de la regression, comme la regression sous contraintes (ridge, lasso et lars), la regression sur composantes (PCR et PLS), et, enfin, introduisent `la regression non parametrique (spline et noyau).
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. Chaque chapitre est complete par une suite d'exercices corriges. Le niveau mathematique requis rend ce livre accessible aux eleves ingenieurs, aux etudiants de niveau Master et aux chercheurs actifs dans divers domaines des sciences appliquees.
Vous pouvez telecharger les exercices corriges ainsi que les commandes R de l’ouvrage sur ce site (voir rubrique « Informations complementaires » sur la colonne de droite).
Pierre-Andre Cornillon est Maitre de Conferences `l’universite Rennes-2-Haute-Bretagne.
Eric Matzner-Lober est Professeur `l’universite Rennes-2-Haute-Bretagne.
Cet ouvrage expose en detail l'une des methodes statistiques les plus courantes : la regression. Il concilie theorie et applications, en insistant notamment sur l'analyse de donnees reelles avec le logiciel R.
Les premiers chapitres sont consacres `la regression lineaire simple et multiple, et expliquent les fondements de la methode, tant au niveau des choix operes que des hypotheses et de leur utilite. Puis ils developpent les outils permettant de verifier les hypotheses de base mises en ?uvre par la regression, et presentent les modeles d'analyse de la variance et covariance. Suit l’analyse du choix de modele en regression multiple. Les derniers chapitres presentent certaines extensions de la regression, comme la regression sous contraintes (ridge, lasso et lars), la regression sur composantes (PCR et PLS), et, enfin, introduisent `la regression non parametrique (spline et noyau).
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. Chaque chapitre est complete par une suite d'exercices corriges. Le niveau mathematique requis rend ce livre accessible aux eleves ingenieurs, aux etudiants de niveau Master et aux chercheurs actifs dans divers domaines des sciences appliquees.
Vous pouvez telecharger les exercices corriges ainsi que les commandes R de l’ouvrage sur ce site (voir rubrique « Informations complementaires » sur la colonne de droite).
Pierre-Andre Cornillon est Maitre de Conferences `l’universite Rennes-2-Haute-Bretagne.
Eric Matzner-Lober est Professeur `l’universite Rennes-2-Haute-Bretagne.
Content:
Front Matter....Pages i-xiv
La regression lineaire simple....Pages 1-28
La regression lineaire multiple....Pages 29-46
Inference dans le modele gaussien....Pages 47-66
Validation du modele....Pages 67-88
Regression sur variables qualitatives....Pages 89-124
Choix de variables....Pages 125-156
Moindres carres generalises....Pages 157-168
Ridge et Lasso....Pages 169-190
Regression sur composantes : PCR et PLS....Pages 191-210
Regression spline et regression `noyau....Pages 211-228
Back Matter....Pages 229-242
Cet ouvrage expose en detail l'une des methodes statistiques les plus courantes : la regression. Il concilie theorie et applications, en insistant notamment sur l'analyse de donnees reelles avec le logiciel R.
Les premiers chapitres sont consacres `la regression lineaire simple et multiple, et expliquent les fondements de la methode, tant au niveau des choix operes que des hypotheses et de leur utilite. Puis ils developpent les outils permettant de verifier les hypotheses de base mises en ?uvre par la regression, et presentent les modeles d'analyse de la variance et covariance. Suit l’analyse du choix de modele en regression multiple. Les derniers chapitres presentent certaines extensions de la regression, comme la regression sous contraintes (ridge, lasso et lars), la regression sur composantes (PCR et PLS), et, enfin, introduisent `la regression non parametrique (spline et noyau).
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. Chaque chapitre est complete par une suite d'exercices corriges. Le niveau mathematique requis rend ce livre accessible aux eleves ingenieurs, aux etudiants de niveau Master et aux chercheurs actifs dans divers domaines des sciences appliquees.
Vous pouvez telecharger les exercices corriges ainsi que les commandes R de l’ouvrage sur ce site (voir rubrique « Informations complementaires » sur la colonne de droite).
Pierre-Andre Cornillon est Maitre de Conferences `l’universite Rennes-2-Haute-Bretagne.
Eric Matzner-Lober est Professeur `l’universite Rennes-2-Haute-Bretagne.
Content:
Front Matter....Pages i-xiv
La regression lineaire simple....Pages 1-28
La regression lineaire multiple....Pages 29-46
Inference dans le modele gaussien....Pages 47-66
Validation du modele....Pages 67-88
Regression sur variables qualitatives....Pages 89-124
Choix de variables....Pages 125-156
Moindres carres generalises....Pages 157-168
Ridge et Lasso....Pages 169-190
Regression sur composantes : PCR et PLS....Pages 191-210
Regression spline et regression `noyau....Pages 211-228
Back Matter....Pages 229-242
....