Concept

Modèle linéaire généralisé

Résumé
En statistiques, le modèle linéaire généralisé (MLG) souvent connu sous les initiales anglaises GLM est une généralisation souple de la régression linéaire. Le GLM généralise la régression linéaire en permettant au modèle linéaire d'être relié à la variable réponse via une fonction lien et en autorisant l'amplitude de la variance de chaque mesure d'être une fonction de sa valeur prévue, en fonction de la loi choisie. Formellement, :\operatorname{E}(Y|\mathbf{X}) = \boldsymbol{\mu} = g^{-1}(\mathbf{X}\boldsymbol{\beta}) où \operatorname{E}(Y|\mathbf{X}) est l'espérance mathématique de Y conditionnelle à \mathbf{X}; \mathbf{X}\boldsymbol{\beta} est le prédicteur linéaire, c'est-à-dire une combinaison linéaire des variables explicatives, et où g est une fonction monotone appelée fonction de lien. De plus : \operatorname{Var}(Y|\mathbf{X}) = \operatorname{V}( \boldsymbol{\mu} ) = \operatorname{V}(g^
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Publications associées

Chargement

Personnes associées

Chargement

Unités associées

Chargement

Concepts associés

Chargement

Cours associés

Chargement

Séances de cours associées

Chargement