Couvre les moindres carrés pondérés itératifs, la régression de Poisson et l'analyse bayésienne des données sur l'orge de printemps à l'aide de modèles mixtes.
Couvre la méthode ANOVA, en se concentrant sur la partition de la somme totale des carrés en composantes de traitement et d'erreur, les calculs carrés moyens, les statistiques de Fisher et la distribution F.
Couvre l'analyse de la variance, de la construction du modèle, de la sélection des variables et de l'estimation des fonctions dans les méthodes de régression.
Explore les répliques, les méthodes de visualisation, les mesures de tendance centrale, les valeurs aberrantes, la dispersion, les moyennes, les résidus et les estimateurs impartiaux.
Fournit un aperçu des modèles linéaires généralisés, en mettant l'accent sur les modèles de régression logistique et de Poisson, et leur mise en oeuvre dans R.
Explore l'analyse graphique des expériences factorielles complètes, en mettant l'accent sur l'analyse efficace des données et l'interprétation des principaux effets et interactions.
Introduit la modélisation fondée sur les données en mettant l'accent sur la régression, couvrant la régression linéaire, les risques de raisonnement inductif, l'APC et la régression des crêtes.
Discute de la conception de mécanismes avancés, en se concentrant sur l'analyse cinématique, la modélisation géométrique et les techniques d'optimisation pour les mécanismes flexibles.
