Régression linéaire et généralisée
Objectifs
Comprendre la construction d’un modèle de régression linéaire et ses hypothèses. rnSavoir évaluer la qualité d’une modélisation par régression linéaire. rnSavoir élaborer le meilleur modèle de régression linéaire en pratique avec le logiciel R. rnSavoir intégrer dans le modèle des variables qualitatives et interpréter les estimations associées. rnSavoir identifier le modèle linéaire généralisé adapté à une variable réponse donnée (notamment binaire, ou catégorielle, ou de comptage). rnInterpréter et affiner un modèle de régression linéaire généralisé.
Plan
Modèle de régression linéaire multiple rnTests de significativité, diagnostics, analyse des résidus, sélection de modèles rnAnalyse de la variance et de la covariance rnPrincipes des modèles linéaires généralisés rnModèle logistique, multinomial, et de Poisson
Prérequis
Probabilités, vecteurs gaussiens, régions de confiance, tests statistiques, algèbre linéaire