EDP Sciences
1711690538
20240329
fre
laboutique.edpsciences.fr-001772
03
01
001772
03
9782759820764
15
9782759820764
00
BA
02
155
mm
01
235
mm
08
675
gr
10
01
02
Pratique R
01
01
Régression avec R - 2e édition
1
A01
01
A1790
Pierre-André Cornillon
Cornillon, Pierre-André
Pierre-André
Cornillon
<p>Pierre-André Cornillon est Maître de Conférences à l’université Rennes-2-Haute-Bretagne. </p>
2
A01
01
A1791
Nicolas Hengartner
Hengartner, Nicolas
Nicolas
Hengartner
Après un doctorat en statistique obtenu à l’Université de Berkely (Californie), Nicolas W. Hengartner a rejoint le Département de statistique de l'Université de Yale en tant que professeur adjoint, puis promu professeur associé en 1999. En 2002, il a rejoint le groupe de science statistique du laboratoire national de Los Alamos. Il est actif dans les activités de sensibilisation académique et, en 2004, a été nommé professeur auxiliaire au Département de statistique de l'Université Simon Fraser, Burnaby , au Canada. Ses recherches portent sur l'application transdisciplinaire des statistiques, de la modélisation stochastique et des sciences de l'information à la physique, à l'épidémiologie et aux simulations sociotechniques à grande échelle.
3
A01
01
A1792
Eric Matzner-Løber
Matzner-Løber, Eric
Eric
Matzner-Løber
<p>Eric Matzner-Løber est Professeur à l’université Rennes-2-Haute-Bretagne.</p>
4
A01
01
A1793
Laurent Rouvière
Rouvière, Laurent
Laurent
Rouvière
<p>Laurent Rouvière est Maître de Conférences à l’université Rennes-2-Haute-Bretagne.</p>
2
01
fre
01
fre
00
400
03
02
24
Izibook:Subject
Informatique
24
Izibook:Subject
Mathématiques
20
statistiques;régressions simple et multiple par moindres carrés.;inférence;variance;covariance;sélection de variables;les régressions sous contraintes (lasso;algorithmes;modèles linéaires généralisés;scoring en régression logistique;splines;les estimateurs à noyau
10
MAT029030
29
3056
01
519
05
06
06
03
00
<p>Cet ouvrage expose, de manière détaillée avec exemples à l’appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression.<br /><br />Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l’inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d’analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l’apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l’approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. <br /><br />La présentation témoigne d’un réel souci pédagogique des auteurs qui bénéficient d’une expérience d’enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l’analyse d’exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d’exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https://regression-avec-r.github.io/ <br /><br />Cet ouvrage s’adresse principalement à des étudiants de Master et d’écoles d’ingénieurs ainsi qu’aux chercheurs travaillant dans les divers domaines des sciences appliquées.</p>
02
00
Cet ouvrage expose, de manière détaillée avec exemples à l’appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en cinq parties.
21
00
06
01
https://laboutique.edpsciences.fr/produit/1087/9782759821839/regression-avec-r-2e-edition
01
00
03
02
https://laboutique.edpsciences.fr/system/product_pictures/data/009/982/328/original/9782759820764-regressionR_couv-sofedis.jpg
15
00
04
02
01
E107
04
9782759820764-regressionR_sommaire.pdf
05
0.10
06
8a18be1b3589ccf32dc3099e92239a5e
https://laboutique.edpsciences.fr/extract/1342?filename=9782759820764-regressionR_sommaire.pdf&md5sum=8a18be1b3589ccf32dc3099e92239a5e&size=101677&title=Sommaire+de+l%27ouvrage
01
P1
EDP Sciences
01
01
P1
EDP Sciences
17 avenue du Hoggar - PA de Courtaboeuf - 91944 Les Ulis cedex A
http://publications.edpsciences.org/
04
01
00
20191107
2024
06
3052868830012
01
WORLD
27
03
9782759821839
15
9782759821839
WORLD
08
EDP Sciences
04
01
00
20191107
03
01
D1
EDP Sciences
21
04
05
01
02
1
00
28.00
01
S
5.50
1.46
EUR
02
04
06
01
02
1
00
28.00
01
S
5.50
1.46
EUR
01
laboutique.edpsciences.fr-R001343
03
01
R001343
00
ED
E107
02
01
01
Régression avec R - 2e édition
08
402
03
22
4945683
17
16
00
06
01
https://laboutique.edpsciences.fr/flip_book/show/1333
01
P1
EDP Sciences
01
01
P1
EDP Sciences
17 avenue du Hoggar - PA de Courtaboeuf - 91944 Les Ulis cedex A
http://publications.edpsciences.org/
02
01
001773
03
9782759821839
15
9782759821839
03
01
D1
EDP Sciences
45
03
laboutique.edpsciences.fr-001773
03
01
001773
03
9782759821839
15
9782759821839
10
EA
E107
02
01
R001343
ED
E107
1
10
01
02
Pratique R
01
01
Régression avec R - 2e édition
1
A01
01
A1790
Pierre-André Cornillon
Cornillon, Pierre-André
Pierre-André
Cornillon
<p>Pierre-André Cornillon est Maître de Conférences à l’université Rennes-2-Haute-Bretagne. </p>
2
A01
01
A1791
Nicolas Hengartner
Hengartner, Nicolas
Nicolas
Hengartner
Après un doctorat en statistique obtenu à l’Université de Berkely (Californie), Nicolas W. Hengartner a rejoint le Département de statistique de l'Université de Yale en tant que professeur adjoint, puis promu professeur associé en 1999. En 2002, il a rejoint le groupe de science statistique du laboratoire national de Los Alamos. Il est actif dans les activités de sensibilisation académique et, en 2004, a été nommé professeur auxiliaire au Département de statistique de l'Université Simon Fraser, Burnaby , au Canada. Ses recherches portent sur l'application transdisciplinaire des statistiques, de la modélisation stochastique et des sciences de l'information à la physique, à l'épidémiologie et aux simulations sociotechniques à grande échelle.
3
A01
01
A1792
Eric Matzner-Løber
Matzner-Løber, Eric
Eric
Matzner-Løber
<p>Eric Matzner-Løber est Professeur à l’université Rennes-2-Haute-Bretagne.</p>
4
A01
01
A1793
Laurent Rouvière
Rouvière, Laurent
Laurent
Rouvière
<p>Laurent Rouvière est Maître de Conférences à l’université Rennes-2-Haute-Bretagne.</p>
2
01
fre
01
fre
08
402
03
02
24
Izibook:Subject
Informatique
24
Izibook:Subject
Mathématiques
20
statistiques;régressions simple et multiple par moindres carrés.;inférence;variance;covariance;sélection de variables;les régressions sous contraintes (lasso;algorithmes;modèles linéaires généralisés;scoring en régression logistique;splines;les estimateurs à noyau
10
MAT029030
29
3056
01
519
05
06
06
03
00
<p>Cet ouvrage expose, de manière détaillée avec exemples à l’appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression.<br /><br />Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l’inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d’analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l’apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l’approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. <br /><br />La présentation témoigne d’un réel souci pédagogique des auteurs qui bénéficient d’une expérience d’enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l’analyse d’exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d’exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https://regression-avec-r.github.io/ <br /><br />Cet ouvrage s’adresse principalement à des étudiants de Master et d’écoles d’ingénieurs ainsi qu’aux chercheurs travaillant dans les divers domaines des sciences appliquées.</p>
02
00
Cet ouvrage expose, de manière détaillée avec exemples à l’appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en cinq parties.
21
00
06
01
https://laboutique.edpsciences.fr/produit/1087/9782759821839/regression-avec-r-2e-edition
01
00
03
02
https://laboutique.edpsciences.fr/system/product_pictures/data/009/982/328/original/9782759820764-regressionR_couv-sofedis.jpg
01
P1
EDP Sciences
01
01
P1
EDP Sciences
17 avenue du Hoggar - PA de Courtaboeuf - 91944 Les Ulis cedex A
http://publications.edpsciences.org/
04
01
00
20191107
2024
06
3052868830012
01
WORLD
13
03
9782759820764
15
9782759820764
WORLD
08
EDP Sciences
04
01
00
20191107
03
01
D1
EDP Sciences
20
04
05
01
02
1
00
18.99
01
S
5.50
0.99
EUR
01
04
06
01
02
1
00
67.99
01
S
5.50
0.99
EUR
01
04
06
01
02
1
00
74.99
01
S
5.50
3.91
USD
01