Régression linéaire : Fondements

Cette séance de cours couvre les bases de la régression linéaire, en commençant par l'approche des moindres carrés ordinaires (OLS) pour minimiser les erreurs d'approximation au carré. L'instructeur explique le vecteur OLS, les valeurs résiduelles et prédites, la matrice de chapeau et la matrice de fabricant résiduelle. La séance de cours se penche également sur le théorème de Fresh-Vaux-Laval, la décomposition de régression multiple et la bonté de l'ajustement en utilisant le coefficient de détermination. De plus, les hypothèses de Gauss-Markov sont introduites, mettant en évidence les propriétés d'OLS dans ces conditions idéales.