Souligne l'importance de la gestion des compromis pour la robustesse des produits dans la conception mécanique, en utilisant l'analyse multi-objectifs de monotonicité pour l'analyse quantitative et les efforts de refonte systématique.
Couvre l'inférence, la construction de modèles, la sélection de variables, la robustesse, la régression régularisée, les modèles mixtes et les méthodes de régression.
Explore les techniques de régression non paramétrique, y compris les splines, le compromis entre les variables de biais, les fonctions orthogonales, les ondulations et les estimateurs de modulation.
Explore les outils de contrôle de la qualité dans l'analyse des données génomiques, en mettant l'accent sur les procédures robustes en présence d'objets aberrants et d'images.
Explore comment les variables instrumentales corrigent les biais à partir des erreurs de mesure et de la causalité inverse dans les modèles de régression.
Explore une régression robuste dans l'analyse des données génomiques, en mettant l'accent sur la pondération des résidus importants pour une meilleure précision des estimations et des mesures d'évaluation de la qualité telles que NUSE et RLE.
Couvre l'analyse de la variance, de la construction du modèle, de la sélection des variables et de l'estimation des fonctions dans les méthodes de régression.
