Openskillroom

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

Total: 16 Chapitres Total hours: 9

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
53 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

Voir plus Voir Moins