Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours se concentre sur le modèle logit, en examinant ses composants clés: l'ensemble de choix C_n, le terme d'erreur epsilon_in et la partie déterministe V_in de la fonction utilitaire. L'hypothèse de variables aléatoires indépendantes pour epsilon_in est discutée, à la suite d'une distribution avec le paramètre de localisation 0 et le paramètre d'échelle mu. L'importance de comprendre l'hypothèse d'indépendance entre les alternatives i et les individus n est mise en évidence, le paramètre mu étant le même pour tous les individus et les alternatives. Le défi d'identifier le paramètre d'échelle mu à partir des données est abordé, en soulignant la nécessité d'une normalisation à un lors de l'estimation du modèle.