Séance de cours
Cette séance de cours couvre les concepts fondamentaux de régression linéaire, en se concentrant sur l'absence ou la présence de covariables. Il explique la distinction entre inférence marginale et régression, où les observations sont générées dans des conditions expérimentales différentes. La séance de cours s'inscrit dans la variété épouvantable de modèles qui peuvent être capturés par la spécification générale des distributions indépendantes. Il traite également des outils du commerce, à partir de la régression linéaire gaussienne et de la généralisation progressive vers les sous-espaces, les matrices de projection et la réduction optimale des dimensions. Le concept de sous-espaces et de spectres associés aux matrices réelles est exploré, ainsi que les projections orthogonales et le théorème de décomposition de valeur singulière.