Régression avec R (Repost)

Cet ouvrage expose en dtail l'une des mthodes statistiques les plus courantes : la rgression. II concilie thorie et applications, en insistant notamment sur l'analyse de donnes relles avec le logiciel R. Les premiers chapitres sont consacrs la rgression linaire simple et multiple, et expliquent les fondements de la mthode, tant au niveau des choix oprs que des hypothses et de leur utilit. Puis ils dveloppent les outils permettant de vrifier les hypothses de base mises en oeuvre par la rgression, et prsentent les modles d'analyse de la variance et de la covariance. Suit l'analyse du choix de modle en rgression multiple. Les derniers chapitres prsentent certaines extensions de la rgression, comme la rgression sous contraintes (ridge, lasso et Jars), la rgression sur composantes (PCR et PLS) et, enfin, introduisent la rgression non paramtrique (spline et noyau). La prsentation tmoigne d'un rel souci pdagogique des auteurs qui bnficient d'une exprience d'enseignement auprs de publics trs varis. Les rsultats exposs sont replacs dans la perspective de leur utilit pratique grce l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous le logiciel R figurent dans le corps du texte. Chaque chapitre est complt par une suite d'exercices corrigs. Le niveau mathmatique requis rend ce livre accessible aux lves ingnieurs, aux tudiants de niveau Master et aux chercheurs actifs dans divers domaines des sciences appliques.