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.
Explore la vérification du modèle et les résidus dans lanalyse de régression, en soulignant limportance des diagnostics pour assurer la validité du modèle.
Couvre les bases de l'analyse numérique, y compris le calcul adaptatif des caractéristiques, l'analyse résiduelle et l'importance des problèmes bien posés.
Couvre les bases de la régression linéaire et la façon de résoudre les problèmes d'estimation en utilisant les moindres carrés et la notation matricielle.
Explore l'optimisation des polynômes, en mettant l'accent sur les polynômes SOS et non négatifs, y compris la représentation des polynômes en tant que fonctions quadratiques des monômes.
Couvre lintroduction aux modèles additifs généralisés et aux moindres carrés pondérés itératifs pour la vérification des modèles et les ajustements lisses.