Contenus évalués :

• Analyse des relations entre variables ;
• Covariance et corrélation ;
• Corrélation et causalité ;
• Fondements de la régression linéaire simple ;
• Variable dépendante et variable explicative ;
• Droite de régression ;
• Constante et pente ;
• Méthode des moindres carrés ;
• Valeurs observées, valeurs prédites et résidus ;
• Construction et interprétation d’une équation de régression ;
• Interpolation et extrapolation ;
• Coefficient de détermination ;
• Variation expliquée et variation résiduelle ;
• Erreur absolue moyenne ;
• Erreur quadratique moyenne ;
• Racine de l’erreur quadratique moyenne ;
• Ensembles d’apprentissage et de test ;
• Sous-ajustement et surajustement ;
• Analyse des résidus ;
• Hypothèse de linéarité ;
• Indépendance des observations ;
• Homoscédasticité et hétéroscédasticité ;
• Normalité des résidus ;
• Valeurs atypiques et observations influentes ;
• Introduction à la régression multiple ;
• Interprétation conditionnelle des coefficients ;
• Variables catégorielles et catégories de référence ;
• Coefficient de détermination ajusté ;
• Multicolinéarité ;
• Sélection raisonnée des variables ;
• Communication et reproductibilité ;
• Confidentialité, biais et intégrité de l’analyse.

Compétences évaluées :

• Analyser la relation entre des variables ;
• Construire une régression linéaire simple ;
• Interpréter les coefficients du modèle ;
• Calculer des prédictions et des résidus ;
• Évaluer la qualité d’ajustement ;
• Calculer et interpréter les principales mesures d’erreur ;
• Comparer plusieurs modèles ;
• Interpréter les graphiques de diagnostic ;
• Identifier les violations des hypothèses ;
• Proposer des corrections ou précautions adaptées ;
• Interpréter un modèle de régression multiple élémentaire ;
• Intégrer une variable catégorielle ;
• Identifier les risques de multicolinéarité ;
• Sélectionner un modèle cohérent et parcimonieux ;
• Justifier les choix méthodologiques ;
• Communiquer les résultats et leurs limites ;
• Respecter les principes d’éthique, de transparence et de reproductibilité.