Séance de cours

Régression linéaire : Pearson Correlation

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.

Dans cours

MICRO-110: Probability & statistics for engineers

This course covers the basics of probability and statistical techniques for engineers, including major probability concepts, data analysis, and statistical inference.

Description

Cette séance de cours présente la corrélation Pearson, qui mesure la relation linéaire entre deux variables. Il couvre le calcul du coefficient de corrélation, la direction, la forme et la force de la relation, et le coefficient de détermination. Linstructeur explique comment interpréter les valeurs de corrélation, identifier les valeurs aberrantes et évaluer lajustement du modèle de régression par lanalyse résiduelle. Des exemples pratiques, tels que la relation entre timidité et expérience orale, sont utilisés pour illustrer ces concepts.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Vivek Subramanian

Enseignement et PhD Doctorant·es actuel·les Giovanni Ruffolo, Giada Romano, Sanjay Manoharan, Kyle Haas, Claude Dahan, Biruktait Ayele Lemecho, Yagmur Ceren Alatas, Tugçe Delipinar A dirigé les thèses EPFL de Amin Hodaei, Mustafa Mohieldin Fadlelmula Fadlelseed A co-dirigé les thèses EPFL de Mohammad Jafarpour Cours Organic and printed electronics MICRO-505 Ce cours traite de la mise en œuvre des technologies de l'électronique organique et imprimée: les matériaux, les procédés d'impression

Source officielle

Proximité ontologique

Statistique

Analyse des données: Régression (statistiques)

Concepts associés (32)

Coefficient of multiple correlation

In statistics, the coefficient of multiple correlation is a measure of how well a given variable can be predicted using a linear function of a set of other variables. It is the correlation between the variable's values and the best predictions that can be computed linearly from the predictive variables. The coefficient of multiple correlation takes values between 0 and 1.

Intraclass correlation

In statistics, the intraclass correlation, or the intraclass correlation coefficient (ICC), is a descriptive statistic that can be used when quantitative measurements are made on units that are organized into groups. It describes how strongly units in the same group resemble each other. While it is viewed as a type of correlation, unlike most other correlation measures, it operates on data structured as groups rather than data structured as paired observations.

Robust regression

In robust statistics, robust regression seeks to overcome some limitations of traditional regression analysis. A regression analysis models the relationship between one or more independent variables and a dependent variable. Standard types of regression, such as ordinary least squares, have favourable properties if their underlying assumptions are true, but can give misleading results otherwise (i.e. are not robust to assumption violations).

Bayesian linear regression

Bayesian linear regression is a type of conditional modeling in which the mean of one variable is described by a linear combination of other variables, with the goal of obtaining the posterior probability of the regression coefficients (as well as other parameters describing the distribution of the regressand) and ultimately allowing the out-of-sample prediction of the regressand (often labelled ) conditional on observed values of the regressors (usually ).

Pearson correlation coefficient

In statistics, the Pearson correlation coefficient (PCC) is a correlation coefficient that measures linear correlation between two sets of data. It is the ratio between the covariance of two variables and the product of their standard deviations; thus, it is essentially a normalized measurement of the covariance, such that the result always has a value between −1 and 1. As with covariance itself, the measure can only reflect a linear correlation of variables, and ignores many other types of relationships or correlations.

Afficher plus

Séances de cours associées (64)

Régression linéaire : Inférence statistique et régularisation

Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.

Régression linéaire: Simple

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.

Régression linéaire: Multicolinéarité, Outliers, Spécification du modèle

Couvre la multicolinéarité, les valeurs aberrantes, la spécification du modèle et les stratégies pratiques en régression linéaire.

Régression linéaire : estimation et inférence

Explore l'estimation de régression linéaire, les hypothèses de linéarité et les tests statistiques dans le contexte de la comparaison de modèles.

Régression : Modèles linéaires

Explore la régression linéaire, les moindres carrés, les résidus et les intervalles de confiance dans les modèles de régression.

Afficher plus

Concepts associés (32)

Coefficient of multiple correlation

Intraclass correlation

Robust regression

Bayesian linear regression

Pearson correlation coefficient

Afficher plus