Critère de sélection de variables pour les modèles de régression logistique conditionnelle mixte lorsque la structure des effets aléatoires est inconnue
Texte intégral
Outline
Documents relatifs
Unité de recherche INRIA Rennes : IRISA, Campus universitaire de Beaulieu - 35042 Rennes Cedex (France) Unité de recherche INRIA Rhône-Alpes : 655, avenue de l’Europe - 38334
Comme la pond´ eration change avec t, l’algorithme de Newton pour la r´ egression logistique se nomme donc aussi la m´ ethode des “moindres carr´ es pond´ er´ es it´ er´
D’abord d´ecrit par Ramsay et Dalzell (1991), ce mod`ele est toujours l’objet de travaux r´ecents, comme en t´emoignent par exemple les articles de Cardot, Ferraty et Sarda
Le problème du choix de la combinaison linéaire des variables explicatives est similaire à tous ce qui a été vu dans le modèle linéaire :. Utilisation d’indicatrices pour
D’abord d´ecrit par Ramsay et Dalzell (1991), ce mod`ele est toujours l’objet de travaux r´ecents, comme en t´emoignent par exemple les articles de Cardot, Ferraty et Sarda
2) In our approach it is convenient to introduce P 0 µ , the law of Brownian motion with drift µ, starting at 0, and P 0 (3) the law of a three dimensional Bessel process started at
La r´egression logistique multivoie renvoie un vecteur de longueur J pour d´ecrire l’influence des longeurs d’onde (Figure 4) et un vecteur de longueur K pour d´ecrire
(notés SV) pour le cas C + /C − et le nombre d’exemples dans l’ensemble actifs pour les petits intervalles [p min , p max ] de la régression logistique parcimonieuse sont du