Statistiques comparatives : Hypothesis Testing et ANOVA

Cette séance de cours couvre la conception et l'analyse d'expériences, en se concentrant sur les statistiques de comparaison. Cela commence par vérifier si un facteur expérimental affecte une réponse mesurée, puis se penche sur des méthodologies de test d’hypothèses telles que les tests t et l’ANOVA. La méthodologie ANOVA est expliquée, suivie d'un exemple de coagulation sanguine basé sur l'alimentation. La séance de cours traite également de la génération de tables ANOVA, de l'interprétation des valeurs du rapport F, de l'analyse de corrélation et de la régression linéaire. Les sujets clés incluent la corrélation de Pearson, le coefficient de détermination et les valeurs aberrantes dans l'analyse de régression.

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.

Séances de cours associées (48)

Concepts associés (48)

MICRO-110: Design of experiments

This course provides an introduction to experimental statistics, including use of population statistics to characterize experimental results, use of comparison statistics and hypothesis testing to eva

Bayesian linear regression

Bayesian linear regression is a type of conditional modeling in which the mean of one variable is described by a linear combination of other variables, with the goal of obtaining the posterior probability of the regression coefficients (as well as other parameters describing the distribution of the regressand) and ultimately allowing the out-of-sample prediction of the regressand (often labelled ) conditional on observed values of the regressors (usually ).

Simple linear regression

In statistics, simple linear regression is a linear regression model with a single explanatory variable. That is, it concerns two-dimensional sample points with one independent variable and one dependent variable (conventionally, the x and y coordinates in a Cartesian coordinate system) and finds a linear function (a non-vertical straight line) that, as accurately as possible, predicts the dependent variable values as a function of the independent variable. The adjective simple refers to the fact that the outcome variable is related to a single predictor.

Bayesian multivariate linear regression

In statistics, Bayesian multivariate linear regression is a Bayesian approach to multivariate linear regression, i.e. linear regression where the predicted outcome is a vector of correlated random variables rather than a single scalar random variable. A more general treatment of this approach can be found in the article MMSE estimator. Consider a regression problem where the dependent variable to be predicted is not a single real-valued scalar but an m-length vector of correlated real numbers.

Épuration des eaux

thumb|Station d'épuration des eaux à Aguas Corrientes, en Uruguay. L’épuration des eaux est un ensemble de techniques qui consistent à purifier l'eau soit pour réutiliser ou recycler les eaux usées dans le milieu naturel, soit pour transformer les eaux naturelles en eau potable. La fin du marque l'essor des réseaux d'égouttage et d'assainissement en France (courant hygiéniste, rénovation de Paris du baron Haussman). Il s'agit d'éloigner les eaux usées des habitations et des lieux de vie.

Testing hypotheses suggested by the data

In statistics, hypotheses suggested by a given dataset, when tested with the same dataset that suggested them, are likely to be accepted even when they are not true. This is because circular reasoning (double dipping) would be involved: something seems true in the limited data set; therefore we hypothesize that it is true in general; therefore we wrongly test it on the same, limited data set, which seems to confirm that it is true.

Modèles génériques : auto-attention et transformateurs PHYS-467: Machine learning for physicists

Couvre les modèles générateurs en mettant l'accent sur l'auto-attention et les transformateurs, en discutant des méthodes d'échantillonnage et des moyens empiriques.

ANOVA: Partitionnement Total SS MSE-213: Probability and statistics for materials science

Couvre la méthode ANOVA, en se concentrant sur la partition de la somme totale des carrés en composantes de traitement et d'erreur, les calculs carrés moyens, les statistiques de Fisher et la distribution F.

Les bases de la régression linéaire FIN-403: Econometrics

Couvre les bases de la régression linéaire, y compris les estimateurs OLS, les tests d'hypothèse et les intervalles de confiance.

Bases du modèle de régression linéaire FIN-403: Econometrics

Couvre les bases de la régression linéaire, la méthode OLS, les valeurs prédites, les résidus, la notation matricielle, la bonté d'adaptation, les tests d'hypothèse et les intervalles de confiance.

Paradoxe bus rouge/bus bleu

Explore le paradoxe du bus rouge/bus bleu, les modèles de logit imbriqués et les modèles multivariés d'extrême valeur dans le transport.