Le modèle linéaire par l'exemple

Le modèle linéaire est souvent le premier outil de statistique inférentielle mis en oeuvre. Il suit immédiatement l'étude descriptive des données. Cet ouvrage, permet d'englober la régression, l'analyse de la variance, la sélection de modèles, les modèles mixtes et les plans d'expérience. Le cours est illustré d'exemples concrets traités avec les logiciels de Statistique les plus répandus : SAS (Economie et Biométrie), Splus (logiciel transversal) et R (logiciel gratuit très utilisé en mathématiques appliquées). Des exercices sont présentés à la fin des chapitres. Les corrigés sont regroupés en fin d'ouvrage. Les pré-requis en probabilités et statistique inférentielle sont exposés en annexe.

Sommaire

Introduction. Exemples simples. Intermède métastatistique. Introduction au modèle linéaire statistique. Problèmes spécifiques à le régression. Problèmes spécifiques à l'analyse de la variance. Analyse de la covariance. Modèles non réguliers et orthogonalité. Propriétés asymptotiques. Critères de sélection de modèles prédictifs. Modèles mixtes. Présentation des plans d'expériences classiques. Plans randomisés par un groupe de permutations. Plans fractionnaires. Surfaces de réponses et plans isovariants. Études de cas traités par logiciels informatiques. Rappels sur les probabilités. Bibliographie. Index.

Biographie des auteurs
Jean-Marc Azaïs - Professeur à l'Université Paul Sabatier de Toulouse.
Jean-Marc Bardet - Professeur de mathématiques appliquées à l'université Panthéon Sorbonne de Paris 1

Publics

Étudiants des Masters de mathématiques appliquées, Biométrie, Économétrie et Biostatistique; Élèves ingénieurs en Chimie, Agro ou Vétérinaire.

Mots-clés

Plans d'expériences, Statistique, Régression linéaire