Régression avec R /:
Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Weitere Verfasser: | , , |
| Format: | Elektronisch E-Book |
| Sprache: | French |
| Veröffentlicht: |
Les Ulis :
EDP Sciences,
[2019]
|
| Ausgabe: | 2e édition. |
| Schlagworte: | |
| Online-Zugang: | Volltext |
| Zusammenfassung: | Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l'apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https://regression-avec-r.github.io/ Cet ouvrage s'adresse principalement à des étudiants de Master et d'écoles d'ingénieurs ainsi qu'aux chercheurs travaillant dans les divers domaines des sciences appliquées. |
| Beschreibung: | 1 online resource |
| Bibliographie: | Includes bibliographical reference and index. |
| ISBN: | 9782759821839 2759821838 |
Internformat
MARC
| LEADER | 00000cam a2200000 i 4500 | ||
|---|---|---|---|
| 001 | ZDB-4-EBA-on1126650905 | ||
| 003 | OCoLC | ||
| 005 | 20241004212047.0 | ||
| 006 | m o d | ||
| 007 | cr cnu|||unuuu | ||
| 008 | 191107s2019 fr ob 001 0 fre d | ||
| 040 | |a N$T |b eng |e rda |e pn |c N$T |d N$T |d OCLCF |d YDX |d K6U |d QGK |d OCLCO |d OCLCQ |d OCLCO |d OCLCQ |d OCLCO |d OCLCL | ||
| 019 | |a 1127120315 | ||
| 020 | |a 9782759821839 |q (electronic bk.) | ||
| 020 | |a 2759821838 |q (electronic bk.) | ||
| 020 | |z 9782759820764 | ||
| 035 | |a (OCoLC)1126650905 |z (OCoLC)1127120315 | ||
| 050 | 4 | |a QA278.2 | |
| 082 | 7 | |a 519.536 |2 23 | |
| 049 | |a MAIN | ||
| 100 | 1 | |a Cornillon, Pierre-André, |e author. |0 http://id.loc.gov/authorities/names/no2009143755 | |
| 245 | 1 | 0 | |a Régression avec R / |c Pierre-André Cornillon, Nicolas Hengartner, Eric Matzner-Løber et Laurent Rouvière. |
| 250 | |a 2e édition. | ||
| 264 | 1 | |a Les Ulis : |b EDP Sciences, |c [2019] | |
| 264 | 4 | |c ©2019 | |
| 300 | |a 1 online resource | ||
| 336 | |a text |b txt |2 rdacontent | ||
| 337 | |a computer |b c |2 rdamedia | ||
| 338 | |a online resource |b cr |2 rdacarrier | ||
| 504 | |a Includes bibliographical reference and index. | ||
| 588 | 0 | |a Online resource; title from PDF title page (EBSCO; viewed November 11, 2019) | |
| 505 | 0 | 0 | |t Front matter -- |t REMERCIEMENTS -- |t AVANT-PROPOS -- |t Table des matières -- |t I. Introduction au modèle linéaire -- |t II. Inférence -- |t III. Réduction de dimension -- |t IV. Le modèle linéaire généralisé -- |t V. Introduction à la régression non paramétrique -- |t Bibliographie -- |t Index -- |t Notations |
| 520 | |a Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l'apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https://regression-avec-r.github.io/ Cet ouvrage s'adresse principalement à des étudiants de Master et d'écoles d'ingénieurs ainsi qu'aux chercheurs travaillant dans les divers domaines des sciences appliquées. | ||
| 650 | 0 | |a Regression analysis. |0 http://id.loc.gov/authorities/subjects/sh85112392 | |
| 650 | 2 | |a Regression Analysis |0 https://id.nlm.nih.gov/mesh/D012044 | |
| 650 | 6 | |a Analyse de régression. | |
| 650 | 7 | |a Regression analysis |2 fast | |
| 700 | 1 | |a Hengartner, Nicolas. | |
| 700 | 1 | |a Matzner-Løber, Éric. |0 http://id.loc.gov/authorities/names/no2009143756 | |
| 700 | 1 | |a Rouvière, Laurent. | |
| 758 | |i has work: |a Régression avec R (Text) |1 https://id.oclc.org/worldcat/entity/E39PCFBXcQr9j4jxY3Td4yxkXd |4 https://id.oclc.org/worldcat/ontology/hasWork | ||
| 856 | 4 | 0 | |l FWS01 |p ZDB-4-EBA |q FWS_PDA_EBA |u https://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&AN=2289989 |3 Volltext |
| 938 | |a EBSCOhost |b EBSC |n 2289989 | ||
| 938 | |a YBP Library Services |b YANK |n 300936848 | ||
| 994 | |a 92 |b GEBAY | ||
| 912 | |a ZDB-4-EBA | ||
| 049 | |a DE-863 | ||
Datensatz im Suchindex
| DE-BY-FWS_katkey | ZDB-4-EBA-on1126650905 |
|---|---|
| _version_ | 1816882504569716736 |
| adam_text | |
| any_adam_object | |
| author | Cornillon, Pierre-André |
| author2 | Hengartner, Nicolas Matzner-Løber, Éric Rouvière, Laurent |
| author2_role | |
| author2_variant | n h nh e m l eml l r lr |
| author_GND | http://id.loc.gov/authorities/names/no2009143755 http://id.loc.gov/authorities/names/no2009143756 |
| author_facet | Cornillon, Pierre-André Hengartner, Nicolas Matzner-Løber, Éric Rouvière, Laurent |
| author_role | aut |
| author_sort | Cornillon, Pierre-André |
| author_variant | p a c pac |
| building | Verbundindex |
| bvnumber | localFWS |
| callnumber-first | Q - Science |
| callnumber-label | QA278 |
| callnumber-raw | QA278.2 |
| callnumber-search | QA278.2 |
| callnumber-sort | QA 3278.2 |
| callnumber-subject | QA - Mathematics |
| collection | ZDB-4-EBA |
| contents | Front matter -- REMERCIEMENTS -- AVANT-PROPOS -- Table des matières -- I. Introduction au modèle linéaire -- II. Inférence -- III. Réduction de dimension -- IV. Le modèle linéaire généralisé -- V. Introduction à la régression non paramétrique -- Bibliographie -- Index -- Notations |
| ctrlnum | (OCoLC)1126650905 |
| dewey-full | 519.536 |
| dewey-hundreds | 500 - Natural sciences and mathematics |
| dewey-ones | 519 - Probabilities and applied mathematics |
| dewey-raw | 519.536 |
| dewey-search | 519.536 |
| dewey-sort | 3519.536 |
| dewey-tens | 510 - Mathematics |
| discipline | Mathematik |
| edition | 2e édition. |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>04764cam a2200505 i 4500</leader><controlfield tag="001">ZDB-4-EBA-on1126650905</controlfield><controlfield tag="003">OCoLC</controlfield><controlfield tag="005">20241004212047.0</controlfield><controlfield tag="006">m o d </controlfield><controlfield tag="007">cr cnu|||unuuu</controlfield><controlfield tag="008">191107s2019 fr ob 001 0 fre d</controlfield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">N$T</subfield><subfield code="b">eng</subfield><subfield code="e">rda</subfield><subfield code="e">pn</subfield><subfield code="c">N$T</subfield><subfield code="d">N$T</subfield><subfield code="d">OCLCF</subfield><subfield code="d">YDX</subfield><subfield code="d">K6U</subfield><subfield code="d">QGK</subfield><subfield code="d">OCLCO</subfield><subfield code="d">OCLCQ</subfield><subfield code="d">OCLCO</subfield><subfield code="d">OCLCQ</subfield><subfield code="d">OCLCO</subfield><subfield code="d">OCLCL</subfield></datafield><datafield tag="019" ind1=" " ind2=" "><subfield code="a">1127120315</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9782759821839</subfield><subfield code="q">(electronic bk.)</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">2759821838</subfield><subfield code="q">(electronic bk.)</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="z">9782759820764</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1126650905</subfield><subfield code="z">(OCoLC)1127120315</subfield></datafield><datafield tag="050" ind1=" " ind2="4"><subfield code="a">QA278.2</subfield></datafield><datafield tag="082" ind1="7" ind2=" "><subfield code="a">519.536</subfield><subfield code="2">23</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">MAIN</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Cornillon, Pierre-André,</subfield><subfield code="e">author.</subfield><subfield code="0">http://id.loc.gov/authorities/names/no2009143755</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Régression avec R /</subfield><subfield code="c">Pierre-André Cornillon, Nicolas Hengartner, Eric Matzner-Løber et Laurent Rouvière.</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">2e édition.</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Les Ulis :</subfield><subfield code="b">EDP Sciences,</subfield><subfield code="c">[2019]</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">©2019</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 online resource</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">computer</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">online resource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="504" ind1=" " ind2=" "><subfield code="a">Includes bibliographical reference and index.</subfield></datafield><datafield tag="588" ind1="0" ind2=" "><subfield code="a">Online resource; title from PDF title page (EBSCO; viewed November 11, 2019)</subfield></datafield><datafield tag="505" ind1="0" ind2="0"><subfield code="t">Front matter --</subfield><subfield code="t">REMERCIEMENTS --</subfield><subfield code="t">AVANT-PROPOS --</subfield><subfield code="t">Table des matières --</subfield><subfield code="t">I. Introduction au modèle linéaire --</subfield><subfield code="t">II. Inférence --</subfield><subfield code="t">III. Réduction de dimension --</subfield><subfield code="t">IV. Le modèle linéaire généralisé --</subfield><subfield code="t">V. Introduction à la régression non paramétrique --</subfield><subfield code="t">Bibliographie --</subfield><subfield code="t">Index --</subfield><subfield code="t">Notations</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l'apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https://regression-avec-r.github.io/ Cet ouvrage s'adresse principalement à des étudiants de Master et d'écoles d'ingénieurs ainsi qu'aux chercheurs travaillant dans les divers domaines des sciences appliquées.</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Regression analysis.</subfield><subfield code="0">http://id.loc.gov/authorities/subjects/sh85112392</subfield></datafield><datafield tag="650" ind1=" " ind2="2"><subfield code="a">Regression Analysis</subfield><subfield code="0">https://id.nlm.nih.gov/mesh/D012044</subfield></datafield><datafield tag="650" ind1=" " ind2="6"><subfield code="a">Analyse de régression.</subfield></datafield><datafield tag="650" ind1=" " ind2="7"><subfield code="a">Regression analysis</subfield><subfield code="2">fast</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Hengartner, Nicolas.</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Matzner-Løber, Éric.</subfield><subfield code="0">http://id.loc.gov/authorities/names/no2009143756</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Rouvière, Laurent.</subfield></datafield><datafield tag="758" ind1=" " ind2=" "><subfield code="i">has work:</subfield><subfield code="a">Régression avec R (Text)</subfield><subfield code="1">https://id.oclc.org/worldcat/entity/E39PCFBXcQr9j4jxY3Td4yxkXd</subfield><subfield code="4">https://id.oclc.org/worldcat/ontology/hasWork</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="l">FWS01</subfield><subfield code="p">ZDB-4-EBA</subfield><subfield code="q">FWS_PDA_EBA</subfield><subfield code="u">https://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&AN=2289989</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="938" ind1=" " ind2=" "><subfield code="a">EBSCOhost</subfield><subfield code="b">EBSC</subfield><subfield code="n">2289989</subfield></datafield><datafield tag="938" ind1=" " ind2=" "><subfield code="a">YBP Library Services</subfield><subfield code="b">YANK</subfield><subfield code="n">300936848</subfield></datafield><datafield tag="994" ind1=" " ind2=" "><subfield code="a">92</subfield><subfield code="b">GEBAY</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-4-EBA</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-863</subfield></datafield></record></collection> |
| id | ZDB-4-EBA-on1126650905 |
| illustrated | Not Illustrated |
| indexdate | 2024-11-27T13:29:40Z |
| institution | BVB |
| isbn | 9782759821839 2759821838 |
| language | French |
| oclc_num | 1126650905 |
| open_access_boolean | |
| owner | MAIN DE-863 DE-BY-FWS |
| owner_facet | MAIN DE-863 DE-BY-FWS |
| physical | 1 online resource |
| psigel | ZDB-4-EBA |
| publishDate | 2019 |
| publishDateSearch | 2019 |
| publishDateSort | 2019 |
| publisher | EDP Sciences, |
| record_format | marc |
| spelling | Cornillon, Pierre-André, author. http://id.loc.gov/authorities/names/no2009143755 Régression avec R / Pierre-André Cornillon, Nicolas Hengartner, Eric Matzner-Løber et Laurent Rouvière. 2e édition. Les Ulis : EDP Sciences, [2019] ©2019 1 online resource text txt rdacontent computer c rdamedia online resource cr rdacarrier Includes bibliographical reference and index. Online resource; title from PDF title page (EBSCO; viewed November 11, 2019) Front matter -- REMERCIEMENTS -- AVANT-PROPOS -- Table des matières -- I. Introduction au modèle linéaire -- II. Inférence -- III. Réduction de dimension -- IV. Le modèle linéaire généralisé -- V. Introduction à la régression non paramétrique -- Bibliographie -- Index -- Notations Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants : la régression. Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l'apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins. La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https://regression-avec-r.github.io/ Cet ouvrage s'adresse principalement à des étudiants de Master et d'écoles d'ingénieurs ainsi qu'aux chercheurs travaillant dans les divers domaines des sciences appliquées. Regression analysis. http://id.loc.gov/authorities/subjects/sh85112392 Regression Analysis https://id.nlm.nih.gov/mesh/D012044 Analyse de régression. Regression analysis fast Hengartner, Nicolas. Matzner-Løber, Éric. http://id.loc.gov/authorities/names/no2009143756 Rouvière, Laurent. has work: Régression avec R (Text) https://id.oclc.org/worldcat/entity/E39PCFBXcQr9j4jxY3Td4yxkXd https://id.oclc.org/worldcat/ontology/hasWork FWS01 ZDB-4-EBA FWS_PDA_EBA https://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&AN=2289989 Volltext |
| spellingShingle | Cornillon, Pierre-André Régression avec R / Front matter -- REMERCIEMENTS -- AVANT-PROPOS -- Table des matières -- I. Introduction au modèle linéaire -- II. Inférence -- III. Réduction de dimension -- IV. Le modèle linéaire généralisé -- V. Introduction à la régression non paramétrique -- Bibliographie -- Index -- Notations Regression analysis. http://id.loc.gov/authorities/subjects/sh85112392 Regression Analysis https://id.nlm.nih.gov/mesh/D012044 Analyse de régression. Regression analysis fast |
| subject_GND | http://id.loc.gov/authorities/subjects/sh85112392 https://id.nlm.nih.gov/mesh/D012044 |
| title | Régression avec R / |
| title_alt | Front matter -- REMERCIEMENTS -- AVANT-PROPOS -- Table des matières -- I. Introduction au modèle linéaire -- II. Inférence -- III. Réduction de dimension -- IV. Le modèle linéaire généralisé -- V. Introduction à la régression non paramétrique -- Bibliographie -- Index -- Notations |
| title_auth | Régression avec R / |
| title_exact_search | Régression avec R / |
| title_full | Régression avec R / Pierre-André Cornillon, Nicolas Hengartner, Eric Matzner-Løber et Laurent Rouvière. |
| title_fullStr | Régression avec R / Pierre-André Cornillon, Nicolas Hengartner, Eric Matzner-Løber et Laurent Rouvière. |
| title_full_unstemmed | Régression avec R / Pierre-André Cornillon, Nicolas Hengartner, Eric Matzner-Løber et Laurent Rouvière. |
| title_short | Régression avec R / |
| title_sort | regression avec r |
| topic | Regression analysis. http://id.loc.gov/authorities/subjects/sh85112392 Regression Analysis https://id.nlm.nih.gov/mesh/D012044 Analyse de régression. Regression analysis fast |
| topic_facet | Regression analysis. Regression Analysis Analyse de régression. Regression analysis |
| url | https://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&AN=2289989 |
| work_keys_str_mv | AT cornillonpierreandre regressionavecr AT hengartnernicolas regressionavecr AT matznerløbereric regressionavecr AT rouvierelaurent regressionavecr |