Séance de cours

Régression linéaire gaussienne : hypothèses et résidus

Description

Cette séance de cours de l'instructeur couvre les quatre hypothèses de base du modèle de régression linéaire gaussienne : linéarité, homoskédasticité, distribution gaussienne des erreurs et erreurs non corrélées. La séance de cours explique comment vérifier ces hypothèses à l'aide de raisonnements scientifiques et de méthodes graphiques, en mettant l'accent sur les résidus comme outil clé. Il examine les implications d'hypothèses erronées et l'importance de vérifier la linéarité et l'homoskédasticité au moyen de placettes de résidus par rapport aux variables explicatives et aux valeurs ajustées. La séance de cours s'inscrit également dans le concept de normalité en comparant la distribution des résidus normalisés à une distribution normale à l'aide de placettes quantiles.

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.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.