Régression avec R

Cet ouvrage expose en détail l'une des méthodes statistiques les plus
courantes : la régression. Il concilie théorie et applications, en
insistant notamment sur l'analyse de données réelles avec le logiciel R.
Les premiers chapitres sont consacrés à la régression linéaire simple et
multiple, et expliquent les fondements de la méthode, tant au niveau des
choix opérés que des hypothèses et de leur utilité. Puis ils développent
les outils permettant de vérifier les hypothèses de base mises en œuvre
par la régression, et présentent les modèles d'analyse de la variance et
covariance. Suit l’analyse du choix de modèle en régression multiple.
Les derniers chapitres présentent certaines extensions de la régression,
comme la régression sous contraintes (ridge, lasso et lars), la
régression sur composantes (PCR et PLS), et, enfin, introduisent à la
régression non paramétrique (spline et noyau). 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 le logiciel R figurent dans le corps du texte. Chaque chapitre est
complété par une suite d'exercices corrigés. Le niveau mathématique
requis rend ce livre accessible aux élèves ingénieurs, aux étudiants de
niveau Master et aux chercheurs actifs dans divers domaines des sciences
appliquées.