Pense à Bayes, 2e édition

Chapitre 17. La régression

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Dans le chapitre précédent, nous avons vu plusieurs exemples de régression logistique, qui repose sur l'hypothèse que la probabilité d'un résultat, exprimée sous forme de logarithme des chances, est une fonction linéaire d'une certaine quantité (continue ou discrète).

Dans ce chapitre, nous travaillerons sur des exemples de régression linéaire simple, qui modélise la relation entre deux quantités. Plus précisément, nous étudierons l'évolution dans le temps des chutes de neige et du record du monde de marathon.

Les modèles que nous allons utiliser ont trois paramètres, tu peux donc revoir les outils que nous avons utilisés pour le modèle à trois paramètres auchapitre 15.

Plus de neige ?

J'ai l'impression qu'il n'y a plus autant de neige qu'avant. Par "par ici", j'entends le comté de Norfolk, dans le Massachusetts, où je suis né, où j'ai grandi et où je vis actuellement. Et par "avant", je veux dire par rapport à quand j'étais jeune, comme en 1978, lorsque nous avons reçu27 pouces de neige et que je n'ai pas eu besoin d'aller à l'école pendant deux semaines.

Heureusement, nous pouvons vérifier ma conjecture à l'aide de données. Le comté de Norfolk se trouve être l'emplacement de l'observatoire météorologique de Blue Hill(), qui tient le plus ancien registre météorologique continu d'Amérique du Nord.

Les données de cette station ...