« Appariement des scores généralisés » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « * [https:// » par « [https:// ») |
||
(2 versions intermédiaires par le même utilisateur non affichées) | |||
Ligne 9 : | Ligne 9 : | ||
== Anglais == | == Anglais == | ||
'''Generalized score handling''' | '''Generalized score handling''' | ||
==Sources== | |||
[https://www.sfu.ca/sasdoc/sashtml/stat/chap29/sect31.htm Source : The GENMOD Procedure] | |||
[https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 ] | [https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 ] | ||
[[Catégorie:Apprentissage profond]] | [[Catégorie:Apprentissage profond]] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] |
Dernière version du 11 février 2024 à 21:08
Définition
Ce terme se réfère à une méthode statistique pour tester des hypothèses sur les paramètres d’un modèle généralisé. Il s’agit d’une généralisation du test du rapport de vraisemblance, qui utilise la fonction de score (la dérivée de la log-vraisemblance) pour construire un test qui ne dépend pas du modèle complet. Le test du score généralisé peut être utilisé pour comparer des modèles imbriqués ou non imbriqués, et il est plus robuste que le test du rapport de vraisemblance ou le test de Wald face à des violations des hypothèses du modèle.
Le test du score généralisé est basé sur l’idée que, sous l’hypothèse nulle, la fonction de score devrait être proche de zéro en moyenne. Ainsi, on peut construire une statistique de test en calculant la somme des carrés pondérés des fonctions de score pour chaque observation. Cette statistique suit asymptotiquement une loi du chi-deux avec un nombre de degrés de liberté égal au nombre de paramètres testés.
Français
Appariement des scores généralisés
Anglais
Generalized score handling
Sources
Source : The GENMOD Procedure Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018
Contributeurs: Jacques Barolet, Marie Alfaro, wiki