Séance de cours
Modèles linéaires généralisés : un bref examen
Séances de cours associées (96)
Modèle linéaire mixte
Couvre le modèle mixte linéaire, y compris les effets fixes et aléatoires, lestimation et les techniques dinférence.
Régression linéaire : ajustement du modèle et estimation des paramètres
Explique la décomposition de la somme totale des carrés, lajustement du modèle et lestimation des paramètres en régression linéaire.
Justification statistique des moindres carrés
Explore la justification statistique des moindres carrés et des modèles linéaires généralisés.
Évaluer l’importance et l’adéquation
Couvre les intervalles de confiance, R2, et des exemples sur l'évolution de la chaleur du ciment et les relations puissance-MPG de la voiture.
Modèles linéaires généralisés : théorie et applications
Explore la théorie des modèles linéaires généralisés, y compris la logistique et la régression de Poisson, lévaluation des modèles et les tests de coefficient.
Inférence : vérification du modèle
Couvre les moindres carrés pondérés itératifs, les modèles linéaires généralisés et la vérification des modèles.
Méthodes de régression : Lissage des splines
Couvre les méthodes de régression axées sur le lissage des attelles et l'ajustement pénalisé pour équilibrer la fidélité et la douceur des données.
Algorithme IWLS: Aperçu
Couvre lalgorithme IWLS pour obtenir des MLE dans les modèles de régression et discute de la statistique du rapport de vraisemblance et de la déviance dans lajustement du modèle.
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.
Modèles linéaires généralisés : familles exponentielles et construction de modèles
Couvre les familles exponentielles, la construction de modèles et les fonctions de liens canoniques dans les modèles linéaires généralisés.