« Lissage LOWESS » : différence entre les versions
(Page créée avec « ==en construction== == Définition == Le lissage LOWESS est une méthode de lissage des données (couples de données x-y). Un modèle de régression local ajuste chaque... ») |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Le lissage LOWESS est une méthode de lissage des données (couples de données x-y). Un modèle de régression local ajuste chaque point | Le lissage LOWESS est une méthode de lissage des données (couples de données x-y). Un modèle de régression local ajuste chaque point ainsi que les points proches de celui-ci. Cette méthode est aussi parfois appelée régression robuste localement pondérée. Les données lissées présentent habituellement une image plus claire de la forme générale de la relation entre les variables x et y. | ||
== Français == | == Français == | ||
''' | '''lissage LOWESS''' | ||
== Anglais == | == Anglais == | ||
''' | ''' locally weighted scatterplot smoothing ''' | ||
<small> | <small> | ||
[https://www.statsoft.fr/concepts-statistiques/glossaire/l/lissage-lowess.html Source : Statistica ] | [https://www.statsoft.fr/concepts-statistiques/glossaire/l/lissage-lowess.html Source : Statistica ] | ||
[https://dms.umontreal.ca/~murua/cours/stt6415Hiver2016/exemples/loessResume.pdf Source : Université de Montréal ] | |||
[[Catégorie:Statistiques]] | [[Catégorie:Statistiques]] | ||
[[Catégorie: | [[Catégorie:publication]] | ||
[[Catégorie:Statistica]] | [[Catégorie:Statistica]] | ||
Version du 26 mars 2021 à 21:54
Définition
Le lissage LOWESS est une méthode de lissage des données (couples de données x-y). Un modèle de régression local ajuste chaque point ainsi que les points proches de celui-ci. Cette méthode est aussi parfois appelée régression robuste localement pondérée. Les données lissées présentent habituellement une image plus claire de la forme générale de la relation entre les variables x et y.
Français
lissage LOWESS
Anglais
locally weighted scatterplot smoothing
Contributeurs: Imane Meziani, wiki
