• Modèle linéaire : la régression (avec les 2 transparent sur AIC….)
• Modèle linéaire généralisé
• Modèle mixte
• Modèles additifs

• énoncés de TD et projet
• Corrections des TD

• code R TD 1
• 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:

• Vote Gore/Bush en Géorgie
• Cancer de l'œsophage
• Salaires
• Kyphosis
• Diabète des Pimas

• Examen 2011

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:

• Modèle linéaire et R Le livre de Faraway est extrêment pratique et donne profusion d'exemples en R
• Modèle linéaire Généralisé
• 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.
• Modèlisation statistique et apprentissage , un cours en français de Philippe Besse.

• R pour les débutants de Emmanuel Paradis. Une introduction très agréable, orienté pour le traitement des données.
• simpleR de John Verzani, dédié au traitement statistique.
• Fiche résumé des commandes usuelles en R