====== Modèle linéaire et extensions ======


==== Plan du cours ====

^ Scéance ^ Date (Salle) ^ Sujets ^ Documents ^
| Cours 1 | 10/02 (201) | Régression linéaire    |  |   
| Cours 2 | 27/02 (201) | Modèle linéaire généralisé   |  |   
| Cours 3 | 18/03 (201) | Modèle mixte   |  |    
| TD    1 | 03/03 (121) | Régression linéaire et logistique |  |    
| Cours 4 et contrôle | 10/03 (201) | Modèle parcimonieux et additif |  |    
| TD 2    | 24/03 (121) | Modèle additif  |  |    
| rendu du DM | 28/03 | | |

==== Cours ====
  * {{:members:cambroise:teaching:regressionlineairemultiple.pdf| Modèle linéaire : la régression}} (avec les 2 transparent sur AIC....)
  * {{:members:cambroise:teaching:glm.pdf| Modèle linéaire généralisé}} 
  * {{:members:cambroise:teaching:modelesmixtes.pdf| Modèle mixte}}
  * {{:members:cambroise:teaching:modelesadditifs.pdf| Modèles additifs}}
==== Travaux dirigés ====
  *{{:members:cambroise:teaching:tdenonces.pdf|  énoncés de  TD et projet}} 
  *{{:members:cambroise:teaching:tdpoly.pdf |  Corrections des TD}}

  * {{:members:jchiquet:teachings:reg_multi.r.pdf| code R TD 1}}
  * {{:members:jchiquet:teachings:reg_logit.r.pdf| code R TD 2}}

   

A propos des contrastes: une manière de comprendre le recodage des variables qualitatives engendré par un contraste, il est possible d'utiliser l'instruction model.matrix(model), qui montre la matrice de design X utiliser pour faire la régression.

Dans une régression logistique, l'exponentiel de l'intercept peut s'interpréter comme l'odd ratio 
P(Y)/(1-P(Y)), c'est à dire rapport de proportion hors tout effet fixe X observé.
   
Dans le formalisme R, Y~X1+X2 - 1 permet de faire une régression sans intercept. 

Quelques jeux de données issus de packages R:
  * {{:members:cambroise:teaching:gavote.dat|Vote Gore/Bush en Géorgie}}
  * {{:members:cambroise:teaching:esoph.dat| Cancer de l'œsophage }}
  * {{:members:cambroise:teaching:uswages.dat| Salaires}}
  * {{:members:cambroise:teaching:kyphosis.dat| Kyphosis}}
  * {{:members:cambroise:teaching:pima.dat| Diabète des Pimas}}

=== Partiel ===
  * {{:members:cambroise:teaching:finalensiie2011.pdf| Examen 2011}}
==== Livres de référence disponible sur le web ====

De nos jours, le problème n'est pas tant de trouver de l'information que de sélectionner une information de qualité. Voici quelques références qui pourront vous servir de guides fiables:

  * [[ http://www.maths.bath.ac.uk/~jjf23/book/  | Modèle linéaire et R]]  Le livre de Faraway est extrêment pratique et donne profusion d'exemples en R 
  * [[ http://data.princeton.edu/wws509/notes/ | Modèle linéaire Généralisé ]] 
  * [[http://www-stat.stanford.edu/~tibs/ElemStatLearn/ | Apprentissage statistique ]]  Maintenant disponible gratuitement sur le web, le livre "The elements of statistical learning" donne une vision de très nombreuses méthodes d'apprentissage et détaille donc plusieurs types de regression.    
  * [[ http://www.math.univ-toulouse.fr/~besse/pub/Appren_stat.pdf | Modèlisation statistique et apprentissage  ]] , un cours en français de Philippe Besse. 

  
==== Guides d'introduction à R ====

  * [[http://cran.r-project.org/doc/contrib/Paradis-rdebuts_fr.pdf|R pour les débutants]] de Emmanuel Paradis. Une introduction très agréable, orienté pour le traitement des données.
  * [[http://cran.r-project.org/doc/contrib/Verzani-SimpleR.pdf|simpleR]] de John Verzani, dédié au traitement statistique.
  * {{members:jchiquet:teachings:commandes_r.pdf|Fiche résumé des commandes usuelles en R}}