Modèles linéaires généralisés (GLM) en R
Richard Erickson
Instructor
Modèle pour données binaires
$Y = \text{Binomial}(p)$
Lié à une équation linéaire
$\Phi^{-1} (p) = \beta_0 + \beta_1 x + \epsilon $
Basée sur la loi normale cumulée
$\Phi(z) = \frac{1}{\sqrt{2 \pi}} \int_{-\infty}^z e^{- \frac{1}{2} z^2} \, dz$

family pour glm()glm(..., family = "binomial")glm(..., family = binomial())binomial(link = "logit")binomial(link = "probit")Convertir de l'échelle probit à l'échelle de probabilité :
p = pnorm(-0.2)
Utiliser la probabilité avec une loi binomiale
rbinom(n = 10, size = 1, prob = p)
Convertir de l'échelle logit à l'échelle de probabilité :
p = plogis(-.2)
Utiliser la probabilité avec une loi binomiale
rbinom(n = 10, size = 1, prob = p)
Modèles linéaires généralisés (GLM) en R