Séance de cours

Partie déterministe: Codage de fonction d'utilité

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Description

Cette séance de cours explore la partie déterministe de la fonction utilitaire dans le modèle logit pour de multiples alternatives. L'instructeur explique comment traduire les hypothèses comportementales en expressions mathématiques en utilisant des variables représentant des attributs alternatifs et des caractéristiques socio-économiques individuelles. La séance de cours se concentre sur une spécification linéaire en paramètre de la fonction utilitaire, où la fonction est une combinaison linéaire de ces variables avec des paramètres inconnus à estimer.

Dans MOOC

Introduction aux modèles de choix discrets

Le comportement humain est complexe et imprévisible. Ou l'est-il ? Prédire le comportement à l'aide de modèles mathématiques est le sujet de ce cours. Plus précisément, nous nous concentrons sur la modélisation des choix, afin d'obtenir des modèles de demande désagrégés. En se concentrant sur le modèle logit, le cours couvre en détail la spécification du modèle, l'estimation de ses paramètres, la validation et l'application. Des exercices utilisant le logiciel Biogeme sont également proposés. Des études d

Source officielle

Proximité ontologique

Statistique

Analyse des données: Régression (statistiques)

Concepts associés (21)

Modèle linéaire généralisé

En statistiques, le modèle linéaire généralisé (MLG) souvent connu sous les initiales anglaises GLM est une généralisation souple de la régression linéaire. Le GLM généralise la régression linéaire en permettant au modèle linéaire d'être relié à la variable réponse via une fonction lien et en autorisant l'amplitude de la variance de chaque mesure d'être une fonction de sa valeur prévue, en fonction de la loi choisie.

Discrete choice

In economics, discrete choice models, or qualitative choice models, describe, explain, and predict choices between two or more discrete alternatives, such as entering or not entering the labor market, or choosing between modes of transport. Such choices contrast with standard consumption models in which the quantity of each good consumed is assumed to be a continuous variable. In the continuous case, calculus methods (e.g. first-order conditions) can be used to determine the optimum amount chosen, and demand can be modeled empirically using regression analysis.

Logit

La fonction logit est une fonction mathématique utilisée principalement en statistiques et pour la régression logistique, en intelligence artificielle (réseaux neuronaux), en inférence bayésienne pour transformer les probabilités sur [0,1] en évidence sur R afin d'une part d'éviter des renormalisations permanentes, et d'autre part de rendre additive la formule de Bayes pour faciliter les calculs. Son expression est où p est défini sur ]0, 1[ La base du logarithme utilisé est sans importance, tant que celle-ci est supérieure à 1.

Régression logistique

En statistiques, la régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit d'expliquer au mieux une variable binaire (la présence ou l'absence d'une caractéristique donnée) par des observations réelles nombreuses, grâce à un modèle mathématique. En d'autres termes d'associer une variable aléatoire de Bernoulli (génériquement notée ) à un vecteur de variables aléatoires . La régression logistique constitue un cas particulier de modèle linéaire généralisé.

Axiome du choix

vignette|upright=1.5|Pour tout ensemble d'ensembles non vides (les jarres), il existe une fonction qui associe à chacun de ces ensembles (ces jarres) un élément contenu dans cet ensemble (cette jarre). En mathématiques, l'axiome du choix, abrégé en « AC », est un axiome de la théorie des ensembles qui Il a été formulé pour la première fois par Ernest Zermelo en 1904 pour la démonstration du théorème de Zermelo. L'axiome du choix peut être accepté ou rejeté, selon la théorie axiomatique des ensembles choisie.

Afficher plus

Séances de cours associées (47)

Paradoxe bus rouge/bus bleu

Explore le paradoxe du bus rouge/bus bleu, les modèles de logit imbriqués et les modèles multivariés d'extrême valeur dans le transport.

Modèles de choix : Dérivation du modèle Logit

Couvre la dérivation du modèle logit pour le choix avec de multiples alternatives et les défis pour générer des ensembles de choix.

Modèles de mélange : Estimation basée sur la simulation

Explore les modèles de mélange, y compris les mélanges discrets et continus, et leur application dans la capture de l'hétérogénéité du goût dans les populations.

Machine Learning non linéaire : les voisins les plus proches et l’expansion des fonctionnalités

Couvre la transition des modèles linéaires aux modèles non linéaires, en se concentrant sur k-NN et les techniques d'expansion des caractéristiques.

Dérivation du modèle logit MOOC: Introduction aux modèles de choix discrets

Se penche sur la dérivation du modèle logit, soulignant limportance de lhypothèse dindépendance et de la normalisation des paramètres pendant lestimation.

Afficher plus

Concepts associés (21)

Modèle linéaire généralisé

Discrete choice

Logit

Régression logistique

Axiome du choix

Afficher plus