Modèle linéaire généralisé (GLM) (F-glm-00)

    

Etude des principaux modèles relevant du modèle linéaire généralisé et permettant d'évaluer les effets d'une ou plusieurs variables explicatives sur une variable réponse qualitative.


Public - Pré-requis - Méthode
Public : Toute personne souhaitant faire appel à la modélisation pour expliquer des données qualitatives.
Pré-requis : Il est conseillé d'avoir participé au préalable au stage Pratique de la Statistique 1 ou d'avoir acquis par la pratique un niveau équivalent.
Méthode : Alternance d'exposés, de manipulations et d'exercices pratiques mis en oeuvre dans Statgraphics Centurion (ou tout autre logiciel en intra-entreprise).
Durée : 2 jour(s)
Prochaine(s) session(s) :
Lieu Du Au
Paris22/03/2018 23/03/2018
Paris22/11/2018 23/11/2018

Frais d'inscription :
- Inter-entreprises : Prix unitaire par stagiaire(s) inscrit(s)
1 inscrit2 inscrits 3 inscrits et +
1000€ HT900€ HT800€ HT
- Intra-entreprise : Nous consulter
Programme
Rappels concernant le modèle linéaire

  • Régression multiple, analyse de la variance et analyse de la covariance
  • Les conditions d'utilisation
  • Applications
Introduction au modèle linéaire généralisé

  • Exemples introductifs
  • Les modèles proposés : modèle log-linéaire, régression logistique, régression de Poisson
  • Les composantes du modèle GLM : fonctions de lien (logit, probit, …), composante déterministe, composante aléatoire
  • Interprétation et contexte d'utilisation des différents modèles
  • Estimation par la méthode du maximum de vraisemblance
Construction d’un modèle linéaire généralisé

  • Choix d’un modèle
  • Qualité d’ajustement du modèle : déviance et khi-deux de Pearson, comparaison de modèles
  • Tests des coefficients du modèle : test du maximum de vraisemblance et test de Wald
  • Intervalles de confiance pour les paramètres
  • Etude des résidus et leviers
  • La sur-dispersion
La régression logistique

  • Applications :
    • Modéliser l’apparition d’une maladie en fonction de l’âge ou d’autres paramètres
    • Etudier la fidélité des clients selon leur indice de satisfaction
    • Mise en œuvre et interprétation des résultats
    • Calcul et interprétation des rapports des chances (odd ratio)
    • Sensibilité et spécificité d’un modèle
    • Faux positifs et faux négatifs
La régression de Poisson

  • Applications :
    • Modéliser un nombre d’accidents dans une mine
    • Modéliser le nombre de parasites selon le traitement et le dosage effectué
    • Modéliser un nombre de mélanomes selon l’âge et la région
    • Mise en œuvre et interprétation des résultats
Récapitulatif

  • Schéma global de choix d'un modèle


Pour plus de renseignements, contactez :

- Tél : +33 (0) 1 72 92 05 58