Couvre les diagnostics de régression pour les modèles linéaires, en soulignant limportance de vérifier les hypothèses et didentifier les valeurs aberrantes et les observations influentes.
Introduit les types de variables, la distribution multinomiale, les caractéristiques des données, les formes des densités, la corrélation et les méthodes de visualisation des données.
Explore les valeurs extrêmes dans les variables aléatoires, les applications dans les facteurs environnementaux, la modélisation de la fiabilité, la distribution maximale des blocs et la distribution générale de la valeur extrême.
Explore l'inférence statistique pour les modèles linéaires, couvrant l'ajustement du modèle, l'estimation des paramètres et la décomposition de la variance.
Explique les principes de conception factorielle fractionnaire, en se concentrant sur la résolution et les effets normalisés dans les réacteurs chimiques.
Explore les techniques d'estimation des paramètres GEV à l'aide de méthodes graphiques et basées sur la probabilité, illustrées par des exemples du monde réel.
