<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Scott Wise, ingénieur principal des systèmes JMP, SAS
Brady Brady, ingénieur d'habilitation technique JMP, SAS
Création de modèles linéaires robustes à l'aide de la régression linéaire généralisée (GLR)
Les techniques de régression pénalisée sont une alternative viable aux approches de modélisation linéaire traditionnelles, en particulier dans les cas où les hypothèses typiques d'orthogonalité, d'homoscédasticité ou de normalité de la réponse sont violées. Ils peuvent également être utilisés pour sélectionner automatiquement les prédicteurs les plus utiles pour prédire une réponse donnée. Bien que ces techniques ne soient pas nouvelles, leur utilisation dans des contextes appliqués a toujours été limitée, en raison à la fois de leur coût de calcul et de leur relative obscurité en dehors du milieu universitaire. Aujourd'hui, la prolifération d'ordinateurs puissants et abordables rend possible la mise en œuvre de ces techniques dans des logiciels d'analyse de bureau. Cette session expliquera les techniques de régression pénalisée et explorera l'utilisation de la personnalité de régression généralisée de la plate-forme JMP Fit Model. Les participants constateront que ces modèles sont faciles à configurer, à exécuter et à analyser, mais qu'ils sont robustes en présence de valeurs aberrantes, d'entrées corrélées et de réponses non normales et/ou gonflées à zéro.
Diapositives jointes : Découverte 2015 Genreg.pptx
