Séance de cours
Régression linéaire : au-delà des bases
Dans cours
DEMO: exercitation eu cupidatat
Sit laboris ipsum mollit adipisicing incididunt est ipsum ullamco ut dolore quis irure elit sunt. Deserunt amet aliquip amet consequat nostrud cupidatat labore mollit cillum ullamco laborum. Consequat tempor dolor laborum cupidatat tempor nulla id ipsum officia laborum dolore in. Eiusmod incididunt aliquip minim sit laboris qui cillum labore laboris qui in velit pariatur.
Description
Cette séance de cours couvre des sujets avancés dans les modèles de régression linéaire, en se concentrant sur les propriétés des estimateurs OLS, les hypothèses et l'inférence. Il se penche sur des concepts tels que la multicolinéarité, les hypothèses de normalité, les tests d’hypothèses et la prédiction. L'instructeur explique l'impact des valeurs aberrantes et des observations influentes sur les résultats de régression, en fournissant des conseils sur la façon de les gérer efficacement.
Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.
Regarder sur MediaspaceEnseignant
ullamco duis Lorem
Incididunt proident qui mollit esse sunt ad cupidatat laboris pariatur consequat. Anim adipisicing est anim duis exercitation cillum ipsum nisi est occaecat dolore. Aliqua nulla aliquip mollit voluptate culpa excepteur.
Source officielle
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.
Proximité ontologique
Séances de cours associées (61)
Régression linéaire: Multicolinéarité, Outliers, Spécification du modèle
Couvre la multicolinéarité, les valeurs aberrantes, la spécification du modèle et les stratégies pratiques en régression linéaire.
Modèle de régression linéaire
Explore le modèle de régression linéaire, les propriétés de l'OLS, les tests d'hypothèse, l'interprétation, les transformations et les considérations pratiques.
Les bases de la régression linéaire
Couvre les bases de la régression linéaire, y compris les estimateurs OLS, les tests d'hypothèse et les intervalles de confiance.
Régression: Linéaire simple et multiple
Couvre la régression linéaire simple et multiple, y compris l'estimation des moindres carrés et le diagnostic du modèle.
Essentiels de la régression linéaire
Couvre l'essentiel de la régression linéaire, en se concentrant sur l'utilisation de multiples variables explicatives quantitatives pour prédire un résultat quantitatif.