Séance de cours
Hadamard Design: Introduction et construction
Séances de cours associées (35)
Estimation des moindres carrés pondérés : Algorithme IRLS
Explore l'algorithme IRLS pour l'estimation pondérée des moindres carrés dans GLM.
Bases du modèle de régression linéaire
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.
Régression : Modèles linéaires
Explore la régression linéaire, les moindres carrés, les résidus et les intervalles de confiance dans les modèles de régression.
Régression linéaire : Les moindres carrés
Déplacez-vous dans la régression linéaire, en mettant l'accent sur l'estimation des moindres carrés, les résidus et la variance.
Éléments de la statistique : Probabilité, distribution et estimation
Couvre la théorie des probabilités, les distributions et l'estimation dans les statistiques, en mettant l'accent sur la précision, la précision et la résolution des mesures.
Régression multilinéaire: ajustement le moins carré
Couvre la régression multilinéaire en utilisant la méthode de l'ajustement le moins carré et l'importance de la normalisation des variables.
Régression multilinéaire : variables et effets normalisés
Explore la normalisation des variables et des effets dans l'analyse de régression multilinéaire.
Statistiques non paramétriques: approche bayésienne
Explore les statistiques non paramétriques, les méthodes bayésiennes et la régression linéaire en mettant l'accent sur l'estimation de la densité du noyau et la distribution postérieure.
ANOVA et expériences factorielles
Explore l'ANOVA, les expériences factorielles et les techniques d'évaluation des modèles.
Box-Jenkins Méthodologie: Bâtir des modèles de séries chronologiques
Couvre la méthodologie Box-Jenkins pour construire des modèles de séries chronologiques, y compris l'identification des modèles, les calculs de variance et le diagnostic des modèles.