Explore la sélection de modèles imbriqués dans des modèles linéaires, en comparant les modèles à travers des sommes de carrés et ANOVA, avec des exemples pratiques.
Explore les observations aberrantes, les effets de levier et les influences dans les modèles statistiques, y compris les méthodes de détection et d'évaluation.
Introduit une régression linéaire simple, les propriétés des résidus, la décomposition de la variance et le coefficient de détermination dans le contexte de la loi d'Okun.
Explore la conception de la surface de réponse, en mettant l'accent sur le manque d'analyse de l'ajustement et de modèles quadratiques, avec des exemples pratiques dans Matlab.
Explore les tests de spécification, l'apprentissage automatique, le surajustement, la régularisation, les tests de prédiction et la sélection de variables.
Couvre la régression linéaire, de lélaboration de questions de recherche à linterprétation de R-carré et en ajoutant des prédicteurs pour améliorer le modèle.
Explore les tests de bonté d'ajustement, les tests X2 et les tests d'indépendance dans les statistiques, avec des exemples pratiques et des applications.
Explore la théorie de la décomposition de la valeur singulière, les solutions de systèmes linéaires, les moindres carrés et les concepts d'ajustement des données.
Explore les dangers des « grands » modèles, des questions de multicollinéarité et de l'analyse de l'ajustement des modèles dans les statistiques pour la science des données.
