Scott Wise, ingénieur système principal JMP, SAS
Brady Brady, ingénieur en activation technique JMP, SAS
Création de modèles linéaires robustes à l'aide de la régression linéaire généralisée (GLR)
Les techniques de régression pénalisée constituent une alternative viable aux approches de modélisation linéaire traditionnelles, notamment lorsque les hypothèses classiques d'orthogonalité, d'homoscédasticité ou de normalité de réponse sont violées. Elles permettent également de sélectionner automatiquement les prédicteurs les plus utiles pour prédire une réponse donnée. Bien que ces techniques ne soient pas nouvelles, leur utilisation en contexte appliqué a toujours été limitée, en raison de leur coût de calcul et de leur relative méconnaissance en dehors du monde universitaire. Aujourd'hui, la prolifération d'ordinateurs puissants et abordables permet leur implémentation 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 plateforme JMP Fit Model. Les participants constateront que ces modèles sont faciles à configurer, à exécuter et à analyser, tout en étant robustes en présence de valeurs aberrantes, d'entrées corrélées et de réponses non normales et/ou à zéro gonflé.
Diapositives jointes : Discovery 2015 Genreg.pptx
