regression
Exemples
The mother signifies regression to lack of autonomy, the loss of post-Oedipally achieved individuation.
La mère signifie une régression vers l'absence d'autonomie, la perte de l'individuation acquise après la phase œdipienne.
When the saccade movement is backward rather than forward, it is called regression.
Lorsque le mouvement saccadique se fait vers l'arrière plutôt que vers l'avant, on parle de régression.
Within the feminine space of Rosa’s basement hideout – as dark and closed as a womb – Leon experiences a regression, becoming a helpless child.
Dans l’espace féminin de la cachette de Rosa au sous-sol, sombre et clos comme un utérus, Leon subit une régression, devenant un enfant impuissant.
Finally, Tomasz Jopkiewicz claimed that Julie Walking Home continues a regression in Holland’s work that started with Total Eclipse.
Enfin, Tomasz Jopkiewicz a affirmé que Julie Walking Home poursuivait une régression dans l'œuvre de Holland amorcée avec Total Eclipse.
Conversely, smaller datasets might necessitate the use of simpler models, such as linear regression or decision trees, which are less data-intensive.
À l’inverse, de plus petits jeux de données peuvent nécessiter des modèles plus simples, comme la régression linéaire ou les arbres de décision, moins exigeants en données.
In EDA, scatter plots help assess linearity and other assumptions for regression and are often enhanced with trend lines.
Dans l’EDA, les nuages de points aident à évaluer la linéarité et les autres hypothèses de la régression, et sont souvent complétés par des lignes de tendance.
Many statistical models (like t-tests, ANOVA, regression) have underlying assumptions (normality of errors, equal variances, linearity, etc.).
De nombreux modèles statistiques (comme les tests t, l’ANOVA et la régression) reposent sur des hypothèses (normalité des erreurs, égalité des variances, linéarité, etc.).
plotting residuals versus fitted values in a regression context can assess homoscedasticity.
tracer les résidus en fonction des valeurs ajustées dans une régression permet d’évaluer l’homoscédasticité.
Understanding distribution shapes helps in assumption checking (e.g., normality for regression or t-tests) and informs the selection of summary statistics
Comprendre la forme des distributions aide à vérifier les hypothèses (par exemple, la normalité pour la régression ou les tests t) et à choisir les statistiques récapitulatives
In a regression, one variable is designated as the outcome (dependent variable) and one or more variables as predictors (independent variables).
Dans une régression, une variable est désignée comme résultat (variable dépendante) et une ou plusieurs variables comme prédicteurs (variables indépendantes).
The simplest case is simple linear regression, which fits a line to predict the outcome Y from one predictor X.
Le cas le plus simple est la régression linéaire simple, qui ajuste une droite pour prédire le résultat Y à partir d’un seul prédicteur X.
Regression can incorporate multiple predictors: for example, income = f(education, age, gender, region, etc.).
La régression peut intégrer plusieurs prédicteurs : par exemple, revenu = f(éducation, âge, genre, région, etc.).
Similarly, in regression, there’s an assumption of homoscedasticity of residuals (equal variance of errors across levels of the independent variables).
De même, la régression suppose l’homoscédasticité des résidus, c’est-à-dire une variance des erreurs égale aux différents niveaux des variables indépendantes.
In multiple regression, there is an assumption that the independent variables are not perfectly collinear (one variable being an exact linear combination of others).
En régression multiple, on suppose que les variables indépendantes ne sont pas parfaitement colinéaires, c’est-à-dire qu’aucune variable n’est une combinaison linéaire exacte des autres.
Both correlation and simple linear regression rely on certain assumptions about the data.
La corrélation et la régression linéaire simple reposent toutes deux sur certaines hypothèses concernant les données.
The residuals (errors) in the regression should be independent of each other.
Les résidus, ou erreurs, de la régression devraient être indépendants les uns des autres.
However, the normality assumption matters for hypothesis testing and constructing confidence intervals on the regression coefficients and predictions.
Cependant, l’hypothèse de normalité importe pour les tests d’hypothèses et la construction d’intervalles de confiance pour les coefficients de régression et les prédictions.
If severe non-normality exists, one might apply transformations or use non-parametric regression methods.
En cas d’écart important à la normalité, on peut appliquer des transformations ou utiliser des méthodes de régression non paramétriques.
Similarly, a high-leverage point (an extreme value in terms of X that might not be outlying in Y) can pull the regression line toward it.
De même, un point à fort effet de levier, une valeur extrême de X qui peut ne pas être aberrante en Y, peut attirer la droite de régression vers lui.
Similarly, if one naively fits a linear regression to non-linear data, the residuals will reveal the misfit.
De même, si l’on ajuste naïvement une régression linéaire à des données non linéaires, les résidus révéleront le mauvais ajustement.