Concept
Binary data
Séances de cours associées (42)
Régression linéaire : Fondements
Couvre les bases de la régression linéaire, des variables instrumentales, de l'hétéroscédasticité, de l'autocorrélation et de l'estimation du maximum de vraisemblance.
Visualisation des données de catégories : méthodes et exemples
Explore les outils de visualisation des données catégorielles pour détecter les modèles et les tendances.
Estimation et analyse de la déviance
Couvre lestimation des paramètres inconnus, lanalyse de lajustement du modèle, la réponse des proies des oiseaux et le diagnostic du modèle.
Inférence : vérification du modèle
Couvre les moindres carrés pondérés itératifs, les modèles linéaires généralisés et la vérification des modèles.
Test de la qualité de l'équipement : Variables et distributions
Couvre la révision des variables, l'analyse des données catégoriques et les tests de la bonté d'adaptation.
Régression moderne: données d'orge de printemps
Couvre l'inférence, les moindres carrés pondérés, l'analyse des données sur l'orge de printemps et les techniques de lissage.
Apprendre les modèles latents dans les structures graphiques
Explore l'apprentissage des modèles latents dans des structures graphiques, en se concentrant sur des scénarios avec des échantillons incomplets et en introduisant la notion de distance entre les variables.
Inégalité instrumentale : variables binaires
Explore l'inégalité instrumentale avec les variables binaires et leur processus de génération à travers des fonctions arbitraires et des variables observées.
MLE Applications: Modèles à choix binaire
Explore l'application de Maximum Likelihood Estimation dans les modèles à choix binaire, couvrant les modèles probit et logit, la représentation des variables latentes et les tests de spécification.
Régression moderne: surdispersion et évaluation du modèle
Explore les techniques de surdispersion, d'évaluation de modèle et de régression pour les données de comptage.