• Aucun résultat trouvé

Modèlelinéaire gaussien, modèle mixte ou à effets aléatoires, modèles pour mesures répétées

N/A
N/A
Protected

Academic year: 2022

Partager "Modèlelinéaire gaussien, modèle mixte ou à effets aléatoires, modèles pour mesures répétées"

Copied!
1
0
0

Texte intégral

(1)

Modèlelinéaire gaussien, modèle mixte ou à effets aléatoires, modèles pour mesures répétées

Modèlelinéaire gaussien, modèle mixte ou à effets aléatoires, modèles pour

mesures répétées

Résumé

Avant d’entrer dans le cœur de notre sujet, le modèle linéaire gaus- sien général, nous situons tout d’abord, dans ce chapitre d’introduc- tion, la modélisation statistique au sein de la modélisation mathéma- tique. Nous indiquons ensuite quelles sont les principales méthodes de modélisation statistique et nous précisons, parmi ces dernières, les méthodes traitées dans ce cours. Nous rappelons également les pré-traitements des données qui sont indispensables avant toute mo- délisation statistique. Enfin, nous donnons une formalisation plus mathématique de ce qu’est la modélisation statistique.

Contenu du cours : – Introduction

– Modèle linéaire gaussien – ANOVA : analyse de variance – Plans d’expérience incomplets

– MANOVA : analyse de variance multidimensionnelle – Modèle linéaire mixte

– Mesures répétées

– Tests multiples : Bonferroni – Sommes de carrés en ANOVA

– Mesures répétées : tests multidimensionnels

1

Références

Documents relatifs

La différence avec le cas ici traité est qu’il faudra construire effectivement la matrice X correspondant au cas non contraint (qui n’est plus bloc diagonale puisque

Le modèle linéaire général dynamique (M.L.G.D.), introduit récemment par Harrison et Stevens [3 ], présente un intérêt double : d'une part, il généralise le modèle

– Dans l’application, les variables t et τ sont deux mesures diff´erentes du taux de collet d’un lot de betteraves3. Dans ce cas l`a, le param`etre λ peut ˆetre interpr´et´e

Après avoir posé les hypothèses de base du modèle (unité 1), nous verrons dans ce module le principe de calcul des estimateurs des moindres carrés ordinaires (unité

METHODES DU MAXIMUM DE VRAISEMBLANCE EN MODELE LINEAIRE L'idée sous-jacente à REML consiste à n'utiliser que Li(cr 2 ;z/v-i) pour faire inférence sur cr 2 , d'où le nom

Par ailleurs, nous avons simulé un jeu de données avec 300 individus, 10 instants de mesure, une ordonnée à l'origine individuelle distribuée normalement, (moyenne 5, écart-type

Des mesures de propriétés biophysiques cutanées ont été effectuées sur le visage et sur la face interne de l'avant-bras de ces volontaires toutes les 4 heures pendant 48 heures..

Nous allons voir maintenant que cette procédure générale d’estimation au maximum de vraisemblance peut conduire à des résultats intéressants dans les modèles