Ce que vous apprendrez ?
- Diagnostiquer et corriger les violations des hypothèses de la régression linéaire.
- Évaluer la qualité d'ajustement d'un modèle de régression linéaire à l'aide de mesures appropriées (R², R² ajusté, etc.).
- Construire et interpréter un modèle de régression linéaire multiple à l'aide d'un logiciel statistique.
- Calculer et interpréter les coefficients d'une régression linéaire simple.
- Identifier les hypothèses de la régression linéaire simple et multiple.
Prérequis
- Connaissance de base des statistiques descriptives (moyenne, médiane, écart-type, variance). Compréhension des concepts de corrélation et de causalité. Familiarité avec l'algèbre linéaire de base (systèmes d'équations, matrices et vecteurs). Capacité à utiliser un tableur (ex: Excel, Google Sheets) ou un logiciel statistique (ex: R, SPSS, Python avec les librairies SciPy/Statsmodels). Connaissance des concepts de base de la probabilité (variables aléatoires, distributions de probabilité). Aptitude à interpréter des graphiques (histogrammes, nuages de points). Capacité à résoudre des problèmes mathématiques de niveau secondaire. Connaissance de base de la modélisation statistique.
Contenu de la Formation
-
Introduction à la régression linéaire simple
-
Modèle de régression linéaire simple : hypothèses et estimation des paramètres
-
Interprétation des coefficients et test d'hypothèses
-
Diagnostic du modèle et analyse des résidus
-
Prédiction et intervalle de confiance
-
Introduction à la régression linéaire multiple
-
Estimation des paramètres dans la régression multiple
-
Interprétation des coefficients dans la régression multiple
-
Multicolinéarité et ses conséquences
-
Techniques de sélection de variables (variables explicatives)
-
Diagnostic du modèle de régression multiple et analyse des résidus
-
Exemples concrets d'applications
-
Analyse des interactions entre variables
-
Modèles de régression non-linéaires (introduction)
-
Validation croisée et évaluation des performances du modèle
-
Conclusion et perspectives
À TÉLÉCHARGER
À propos de l'instructeur
- 0 Instructor Avis
- 3 Avis
- 55 Cours
- Voir tous les cours.
Ahmed Zellou
ahmed.zellou@openskillroom.com
Ahmed Zellou Received his Ph.D. degree in Applied Sciences at the Mohammedia School of Engineers, Mohammed V University, Rabat, Morocco and ENSIMAG, Grenoble, France in 2008. He is currently a part-time Professor at Mohammed VI Polytechnic University and full Professor at ENSIAS, Mohamed V University in Rabat, Morocco. His research interests include parallel computing, Data quality, recommender system, indexation, and integration system, where he is the author/co-author of more than a hundred Scopus indexed publications. SKILLS DOMAINS • Data integration systems, complex information systems, Datawarehouse, and Web Semantic. • Modeling: Merise, UML1&2, BPMN. • Procedural and Object-oriented programming: Python, JAVA, C++, PHP. • Web development: HTML, CSS, JS and PHP. • Web Technologies: HTML, XML, PHP, Web Frameworks (Symfony, Laravel, CakePHP, CodeIgniter, Yii and Zend). • Databases, MYSQL, Postgress, Mongodb, ... Publications: ResearchGate : https://www.researchgate.net/profile/Zellou_Ahmed Scopus : https://www.scopus.com/authid/detail.uri?authorId=55644907000 Google Scholar : https://scholar.google.fr/citations?hl=fr&user=CjkVg9UAAAAJ
Retour des Apprenants
Avis
Pour ajouter un avis sur le cours, vous devez d'abord vous connecter. Connectez-vous ici
Caractéristiques du cours
- Durée 9 hour
- Language Français
- Niveau de compétence. Débutant
- CertificateNon
- Nombre maximum d'inscrits 30
- Type de formation distanciel
Cours connexes
Plus de cours par Ahmed Zellou
Devenir enseignant, Partagez vos connaissances
Rejoignez OpenKampus, la plateforme de formations synchrones qui valorise votre expertise.