Critère de sélection de variables pour les modèles de régression logistique conditionnelle mixte lorsque la structure des effets aléatoires est inconnue

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