Ce sont les ressources que j'ai utilisées dans mon tutoriel de Discovery 2018 dans Cary.
Régression généralisée - cela semble effrayant, mais ce n'est pas le cas. Cette plate-forme de JMP Pro peut gérer les exercices de modélisation linéaire les plus courants. Besoin de trouver le meilleur ensemble de prédicteurs dans un océan de possibilités (sélection variable)? Cette plate-forme peut le faire. Besoin de modéliser une réponse catégorique avec plus de deux niveaux? La régression généralisée peut faire cela. Vous rencontrez des problèmes avec des réponses non normales telles que le nombre de données ou le pourcentage de rendement? Lorsque d'autres méthodes de modélisation ne répondent pas à ces réponses, la régression généralisée les traite avec aplomb. Si vous n'utilisez pas cette plate-forme, vous manquez. Nous envisagerons d’utiliser Genreg pour créer des modèles dans divers contextes: en commençant par une expérience conçue orthogonale et en passant à de grands ensembles de données d’observation.
