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
Download Presentation

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 Régression logistique et analyse discriminante : comparaisons théoriques et pratiques Gilbert Saporta Conservatoire National des Arts et Métiers 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 (éditeurs): « Modèles statistiques pour données 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 appliquée », Technip, 2003 Thomas, Edelman,Crook: «  Credit scoring and its applications », SIAM, 2002

    3. 3 Plan I L’analyse discriminante II La régression logistique III Prédicteurs qualitatifs et scoring IV Comparaison

    4. 4 Objet d’étude Observations multidimensionnelles réparties en k groupes définis a priori. K=2 le plus souvent Exemples d’application : Pronostic des infarctus (J.P. Nakache) 2 groupes : décès, survie (variables médicales) Iris de Fisher : 3 espèces : 4 variables (longueur et largeur des pétales et sépales) Risque des demandeurs de crédit 2 groupes : bons, mauvais (variables qualitatives) Autres : Publipostage, reclassement dans une typologie.

    5. 5 Quelques dates : Analyse discriminante Mahalanobis (crâniologie) 1927 Fisher (biométrie) 1936 Régression logistique Berkson (biostatistique) 1944 Cox 1958 Mc Fadden (économétrie) 1973

    6. 6 Aspect géomètrique: Réduction de dimension, axes et variables discriminantes. Cas de 2 groupes. Méthodes géométriques de classement. AD probabiliste I : L’analyse discriminante

    7. 7 Représentation des données n points dans ?p appartenant à k groupes.

More Related