1 / 95

R gression logistique et analyse discriminante : comparaisons th oriques et pratiques

2. Bibliographie. Bardos: Analyse discriminante, Dunod, 2001Celeux, Nakache : Analyse discriminante sur variables qualitatives Polytechnica ,1994Droesbeke, Lejeune, Saporta (diteurs): Modles statistiques pour donnes qualitatives Technip, 2005Hastie, Tibshirani, Friedman : The Eleme

tiger
Télécharger la présentation

R gression logistique et analyse discriminante : comparaisons th oriques et pratiques

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

    1. 1 Rgression logistique et analyse discriminante : comparaisons thoriques et pratiques Gilbert Saporta Conservatoire National des Arts et Mtiers saporta@cnam.fr http://cedric.cnam.fr/~saporta

    2. 2 Bibliographie Bardos: Analyse discriminante, Dunod, 2001 Celeux, Nakache : Analyse discriminante sur variables qualitatives Polytechnica ,1994 Droesbeke, Lejeune, Saporta (diteurs): Modles statistiques pour donnes qualitatives Technip, 2005 Hastie, Tibshirani, Friedman : The Elements of Statistical Learning , Springer-Verlag, 2001 Hosmer, Lemeshow : Applied logistic regression, Wiley, 2000 Nakache, Confais: Statistique explicative applique , Technip, 2003 Thomas, Edelman,Crook: Credit scoring and its applications, SIAM, 2002

    3. 3 Plan I Lanalyse discriminante II La rgression logistique III Prdicteurs qualitatifs et scoring IV Comparaison

    4. 4 Objet dtude Observations multidimensionnelles rparties en k groupes dfinis a priori. K=2 le plus souvent Exemples dapplication : Pronostic des infarctus (J.P. Nakache) 2 groupes : dcs, survie (variables mdicales) Iris de Fisher : 3 espces : 4 variables (longueur et largeur des ptales et spales) Risque des demandeurs de crdit 2 groupes : bons, mauvais (variables qualitatives) Autres : Publipostage, reclassement dans une typologie.

    5. 5 Quelques dates : Analyse discriminante Mahalanobis (crniologie) 1927 Fisher (biomtrie) 1936 Rgression logistique Berkson (biostatistique) 1944 Cox 1958 Mc Fadden (conomtrie) 1973

    6. 6 Aspect gomtrique: Rduction de dimension, axes et variables discriminantes. Cas de 2 groupes. Mthodes gomtriques de classement. AD probabiliste I : Lanalyse discriminante

    7. 7 Reprsentation des donnes n points dans ?p appartenant k groupes.

More Related