Régression linéaire et analyse de la variance avec Python

 
  3 jours       1620       Avancé    
Objectifs de la formation
  • Comprendre et savoir mettre en œuvre un modèle de régression linéaire.
  • Savoir mesurer la qualité et la performance d’un modèle de régression.
  • Comprendre et savoir mener une analyse de la variance à un ou deux facteurs.

Prérequis

Public visé

Data analysts, chargés d’études statistiques


Contenu

La formation traite de modèles entrant dans le cadre du modèle linéaire général (GLM), pour modéliser des phénomènes quantitatifs.

Régression linéaire simple

  • Point de vue descriptif : méthode des moindres carrés (MCO)
  • Point de vue inférentiel : validation et qualité du modèle
  • Généralisation du modèle en prévision
  • Applications sur cas pratiques

Régression linéaire multiple

  • Estimation et validation du modèle
  • Sélection de modèles : sélections backward, forward ou stepwise à l’aide des critères AIC, BIC ou Cp de Mallows
  • Traitements des variables explicatives qualitatives
  • Evaluation de la qualité prédictive d’un modèle
  • Applications sur cas pratiques

Analyse de la variance à un facteur

  • Le modèle à effets fixes, tests de comparaisons multiples, analyse de la variance non paramétrique
  • Applications sur cas pratiques

Analyse de la variance à deux facteurs et plus

  • La notion d’interactions
  • Utilisation de variables quantitatives et qualitatives dans le cadre du modèle linéaire général (analyse de la covariance)
  • Applications sur cas pratiques
Approche pédagogique

  Moyens pédagogiques

  • Exposé théorique de concepts
  • Applications pratiques sur ordinateur
  • Échanges sur les pratiques et expériences des participants
  • Temps de questions / réponses
  • Exercices, quiz, forum etc.

  Méthodes pédagogiques