View in EDS PDF Full Text

Régression avec R - 2e édition

Saved in:
Bibliographic Details
Title: Régression avec R - 2e édition
Description: Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression.Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l'apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https://regression-avec-r.github.io/ Cet ouvrage s'adresse principalement à des étudiants de Master et d'écoles d'ingénieurs ainsi qu'aux chercheurs travaillant dans les divers domaines des sciences appliquées.
Authors: Pierre-André Cornillon, Nicolas Hengartner, Eric Matzner-Løber, Laurent Rouvière
Resource Type: eBook.
Subjects: Regression analysis
Categories: MATHEMATICS / Probability & Statistics / Regression Analysis
Database: eBook Collection (EBSCOhost)
FullText Links:
  – Type: ebook-pdf
Text:
  Availability: 0
Header DbId: nlebk
DbLabel: eBook Collection (EBSCOhost)
An: 2289989
RelevancyScore: 1090
AccessLevel: 6
PubType: eBook
PubTypeId: ebook
PreciseRelevancyScore: 1090.09973144531
IllustrationInfo
ImageInfo – Size: thumb
  Target: https://rps2images.ebscohost.com/rpsweb/othumb?id=NL$2289989$PDF&s=r
– Size: medium
  Target: https://rps2images.ebscohost.com/rpsweb/othumb?id=NL$2289989$PDF&s=d
Items – Name: Title
  Label: Title
  Group: Ti
  Data: Régression avec R - 2e édition
– Name: Abstract
  Label: Description
  Group: Ab
  Data: Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression.Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l'apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https://regression-avec-r.github.io/ Cet ouvrage s'adresse principalement à des étudiants de Master et d'écoles d'ingénieurs ainsi qu'aux chercheurs travaillant dans les divers domaines des sciences appliquées.
– Name: Author
  Label: Authors
  Group: Au
  Data: <searchLink fieldCode="AR" term="%22Pierre-André+Cornillon%22">Pierre-André Cornillon</searchLink><br /><searchLink fieldCode="AR" term="%22Nicolas+Hengartner%22">Nicolas Hengartner</searchLink><br /><searchLink fieldCode="AR" term="%22Eric+Matzner-Løber%22">Eric Matzner-Løber</searchLink><br /><searchLink fieldCode="AR" term="%22Laurent+Rouvière%22">Laurent Rouvière</searchLink>
– Name: TypePub
  Label: Resource Type
  Group: TypPub
  Data: eBook.
– Name: Subject
  Label: Subjects
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22Regression+analysis%22">Regression analysis</searchLink>
– Name: SubjectBISAC
  Label: Categories
  Group: Su
  Data: <searchLink fieldCode="ZK" term="%22MATHEMATICS+%2F+Probability+%26+Statistics+%2F+Regression+Analysis%22">MATHEMATICS / Probability & Statistics / Regression Analysis</searchLink>
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=2289989
RecordInfo BibRecord:
  BibEntity:
    Classifications:
      – Code: 519.536
        Scheme: ddc
        Type: prePub
    Languages:
      – Code: fre
        Text: French
    Subjects:
      – SubjectFull: Regression analysis
        Type: general
    Titles:
      – TitleFull: Régression avec R - 2e édition
        Type: main
  BibRelationships:
    HasContributorRelationships:
      – PersonEntity:
          Name:
            NameFull: Pierre-André Cornillon
      – PersonEntity:
          Name:
            NameFull: Nicolas Hengartner
      – PersonEntity:
          Name:
            NameFull: Eric Matzner-Løber
      – PersonEntity:
          Name:
            NameFull: Laurent Rouvière
      – PersonEntity:
          Name:
            NameFull: Pierre-André Cornillon
      – PersonEntity:
          Name:
            NameFull: Nicolas Hengartner
      – PersonEntity:
          Name:
            NameFull: Eric Matzner-Løber
      – PersonEntity:
          Name:
            NameFull: Laurent Rouvière
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 01
              M: 01
              Type: published
              Y: 2019
            – D: 12
              M: 11
              Type: profile
              Y: 2019
          Identifiers:
            – Type: isbn-print
              Value: 9782759820764
            – Type: isbn-electronic
              Value: 9782759821839
          Titles:
            – TitleFull: Régression avec R - 2e édition
              Type: main
ResultId 1