| dc.description.abstract | Cette étude examine les modèles linéaires généralisés comme une extension des
modèles linéaires classiques, offrant un cadre unifié pour la modélisation de données
quantitatives et qualitatives. Les modèles linéaires généralisés incluent des tech-
niques telles que la régression linéaire, logistique, et de Poisson, caractérisées par
une composante aléatoire issue de la famille exponentielle (binomiale, Poisson, nor-
male) et une fonction de lien reliant la moyenne de la réponse à un prédicteur linéaire.
Les paramètres sont estimés par la méthode du maximum de vraisemblance, avec
leur significativité évaluée par des tests d’hypothèses, complétés par des intervalles
de confiance. Une application pratique illustre l’emploi des régressions binomiale,
de Poisson, et binomiale négative, mettant en évidence la gestion de défis comme la
surdispersion. Ce travail souligne la flexibilité des GLMs et leur pertinence pour les
analyses statistiques complexes en épidémiologie et sciences sociales. | en_US |
