Méthode bootstrap et validation croisée

En statistique, il est impossible de retrouver des données qui suivent une distribution
normale de moyenne 0 et de variance 1, qui est notre modèle idéaliste. Il est rare de
pouvoir trouver la distribution paramétrique des variables et parfois, nous ne disposons
pas assez d'échantillons ou de moyens pour pouvoir appliquer la loi de la limite centrale.
D'où l'utilité de la méthode bootstrap et de la validation croisée entre autres.

Suite à une introduction aux termes statistiques, je présenterai les différentes fonctions
que j'ai programmées dans S-plus, notamment dans le but de pouvoir choisir entre deux
estimateurs tels la moyenne et la médiane. Les résultats obtenus seront également confrontés
à la valeur théorique par l'intermédiaire de la validité asymptotique. Les bornes inférieures
seront aussi à l'étude pour s'assurer d'un minimum de certitude. Finalement, je conclurai par
la régression logistique ainsi que ses applications.
    


par Fang Chen (Université de Montréal)