Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours de linstructeur couvre les diagnostics de régression essentiels pour les modèles linéaires. Il explique les hypothèses à vérifier, y compris la linéarité, l'homoskédasticité, la distribution gaussienne et les erreurs indépendantes. La séance de cours détaille comment vérifier ces hypothèses en utilisant des résidus, des résidus standardisés et divers tracés. Il souligne limportance didentifier les valeurs aberrantes, les observations influentes et les covariables laissées en dehors du modèle. En outre, il explique comment évaluer la linéarité, l'homoskédasticité, la normalité et l'indépendance à l'aide de méthodes graphiques. La séance de cours se termine par un résumé des parcelles de diagnostic couramment utilisées dans l'analyse de régression.