La régression est la méthode statistique la plus couramment utilisée dans l'enseignement, la recherche et l'entreprise.
Ce livre propose un nouveau regard sur cette méthode déjà ancienne en exposant successivement les différentes sortes de régressions : régression linéaire simple et multiple, régression non linéaire.
A l'aide du modèle le plus simple, les auteurs explicitent les raisonnements permettant de comprendre la démarche statistique. Tout en conservant une rigueur indispensable à toute étude scientifique, les formulations mathématiques sont réduites au minimum ou rejetées en annexe. L'accent est mis sur l'analyse critique des résultats, que le lecteur peut reproduire sur ses propres observations. Chaque chapitre est complété d'exercices.
Les auteurs insistent particulièrement sur les points suivants : peut-on choisir un modèle plus simple que celui initialement admis et presque aussi bon que lui ? Les suppositions, base du modèle, sont-elles acceptables ou non ? Dans ce dernier cas, quelles modifications doit-on apporter ? Faut-il choisir un modèle non linéaire ? Quelle est l'influence des observations sur les résultats ? Quel est le domaine de variation des régresseurs où une prévision est possible ?
Ce livre s'adresse aux étudiants, chercheurs, ingénieurs et techniciens pour lesquels la régression constitue un outil statistique indispensable. Son niveau de présentation le rend accessible à tout étudiant, dès le premier cycle universitaire.
La régression est la méthode statistique la plus couramment utilisée dans l'enseignement, la recherche et l'entreprise.
Ce livre propose un nouveau regard sur cette méthode déjà ancienne en exposant successivement les différentes sortes de régressions : régression linéaire simple et multiple, régression non linéaire.
A l'aide du modèle le plus simple, les auteurs explicitent les raisonnements permettant de comprendre la démarche statistique. Tout en conservant une rigueur indispensable à toute étude scientifique, les formulations mathématiques sont réduites au minimum ou rejetées en annexe. L'accent est mis sur l'analyse critique des résultats, que le lecteur peut reproduire sur ses propres observations. Chaque chapitre est complété d'exercices.
Les auteurs insistent particulièrement sur les points suivants : peut-on choisir un modèle plus simple que celui initialement admis et presque aussi bon que lui ? Les suppositions, base du modèle, sont-elles acceptables ou non ? Dans ce dernier cas, quelles modifications doit-on apporter ? Faut-il choisir un modèle non linéaire ? Quelle est l'influence des observations sur les résultats ? Quel est le domaine de variation des régresseurs où une prévision est possible ?
Ce livre s'adresse aux étudiants, chercheurs, ingénieurs et techniciens pour lesquels la régression constitue un outil statistique indispensable. Son niveau de présentation le rend accessible à tout étudiant, dès le premier cycle universitaire.