Résumé
Dans les premiers chapitres de cet ouvrage, nous avons supposé que le modèle de régression
était valide et que la matrice X était de plein rang (hypothèse H1). Cependant, il existe des cas fréquents où cette hypothèse n’est pas satisfaite et en particulier :
-
1.
si n < p, le nombre de variables est supérieur au nombre d’observations ;
-
2.
si n ≥ p mais X1, ..., X p est une famille liée de ℝn: Cela correspond à une (ou plusieurs) variable(s) linéairement redondante(s), c’est-à-dire
$$\exists j : {X_j} = \sum\limits_{i \ne j} {{\alpha _i}{X_i}.} $$
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2011 Springer-Verlag France
About this chapter
Cite this chapter
Cornillon, PA., Matzner-Løber, E. (2011). Ridge et Lasso. In: Régression avec R. Collection Pratique R. Springer, Paris. https://doi.org/10.1007/978-2-8178-0184-1_8
Download citation
DOI: https://doi.org/10.1007/978-2-8178-0184-1_8
Publisher Name: Springer, Paris
Print ISBN: 978-2-8178-0183-4
Online ISBN: 978-2-8178-0184-1
eBook Packages: Mathematics and StatisticsMathematics and Statistics (R0)