Titre : Modèles linéaires

Modèles linéaires : Questions médicales fréquentes

Questions fréquentes et termes MeSH associés

Diagnostic 5

#1

Comment identifier un modèle linéaire approprié ?

Analysez la relation entre les variables et vérifiez l'hypothèse de linéarité.
Modèles statistiques Analyse de régression
#2

Quels tests valident un modèle linéaire ?

Utilisez des tests comme le test de normalité et l'analyse de variance.
Tests statistiques Analyse de variance
#3

Quand utiliser un modèle linéaire généralisé ?

Utilisez-le lorsque la variable dépendante suit une distribution non normale.
Modèles linéaires généralisés Distribution statistique
#4

Quels sont les indicateurs de qualité d'un modèle ?

Considérez le R², l'AIC et le BIC pour évaluer la qualité du modèle.
Critères d'information
#5

Comment détecter les valeurs aberrantes ?

Utilisez des graphiques de résidus et des tests de Cook pour identifier les outliers.
Valeurs aberrantes Analyse des résidus

Symptômes 5

#1

Quels symptômes indiquent un mauvais ajustement du modèle ?

Des résidus non aléatoires et des patterns visibles dans les graphiques.
Résidus Ajustement du modèle
#2

Comment les erreurs de prédiction se manifestent-elles ?

Elles se traduisent par des écarts importants entre les valeurs observées et prédites.
Erreurs de prédiction Analyse de régression
#3

Quels signes montrent une multicolinéarité ?

Des coefficients de régression instables et des valeurs de VIF élevées.
Multicolinéarité Coefficients de régression
#4

Quels symptômes indiquent une hétéroscédasticité ?

Une variance des résidus qui varie avec les valeurs prédites, visible dans les graphiques.
Hétéroscédasticité Analyse des résidus
#5

Comment reconnaître une non-linéarité ?

Des courbes dans les graphiques de résidus indiquent une relation non linéaire.
Non-linéarité Graphiques de résidus

Prévention 5

#1

Comment éviter le surajustement ?

Utilisez la validation croisée et limitez le nombre de variables dans le modèle.
Surajustement Validation croisée
#2

Quelles pratiques améliorent la qualité des données ?

Assurez-vous de la précision, de la complétude et de la cohérence des données.
Qualité des données Précision des données
#3

Comment choisir les variables à inclure ?

Utilisez des critères statistiques et des connaissances théoriques pour sélectionner.
Sélection de variables Critères statistiques
#4

Pourquoi normaliser les données ?

La normalisation aide à réduire l'influence des échelles différentes sur le modèle.
Normalisation des données Échelles de mesure
#5

Comment documenter le processus de modélisation ?

Tenez un journal des décisions, des tests et des résultats pour assurer la traçabilité.
Documentation Traçabilité

Traitements 5

#1

Comment améliorer un modèle linéaire ?

Ajoutez des variables pertinentes ou transformez les variables existantes.
Amélioration du modèle Transformation de données
#2

Quels outils aident à la visualisation des modèles ?

Utilisez des graphiques de dispersion et des courbes de régression pour visualiser.
Visualisation des données Graphiques de dispersion
#3

Comment traiter les valeurs manquantes ?

Utilisez l'imputation ou excluez les observations incomplètes selon le contexte.
Valeurs manquantes Imputation
#4

Quelles techniques de régularisation existent ?

Lasso et Ridge sont des techniques pour éviter le surajustement dans les modèles.
Régularisation Surajustement
#5

Comment évaluer la performance d'un modèle ?

Utilisez des métriques comme RMSE, MAE et R² pour évaluer la performance.
Évaluation de modèle Métriques de performance

Complications 5

#1

Quelles complications peuvent survenir avec des modèles inappropriés ?

Des conclusions erronées et des décisions basées sur des analyses biaisées.
Biais d'analyse Conclusions erronées
#2

Comment les erreurs de spécification affectent-elles le modèle ?

Elles peuvent conduire à des estimations biaisées et à une mauvaise interprétation.
Erreurs de spécification Estimation biaisée
#3

Quels impacts a la multicolinéarité sur les résultats ?

Elle rend les coefficients instables et complique l'interprétation des résultats.
Multicolinéarité Interprétation des résultats
#4

Comment l'hétéroscédasticité influence-t-elle les tests ?

Elle peut fausser les tests d'hypothèses et rendre les intervalles de confiance incorrects.
Hétéroscédasticité Tests d'hypothèses
#5

Quels risques posent les valeurs aberrantes ?

Elles peuvent influencer de manière disproportionnée les résultats du modèle.
Valeurs aberrantes Influence des données

Facteurs de risque 5

#1

Quels facteurs influencent la sélection des variables ?

La pertinence théorique, la disponibilité des données et la multicolinéarité.
Sélection de variables Multicolinéarité
#2

Comment la taille de l'échantillon affecte-t-elle le modèle ?

Un échantillon trop petit peut entraîner des estimations instables et biaisées.
Taille de l'échantillon Estimation biaisée
#3

Quels biais peuvent affecter les résultats ?

Le biais de sélection et le biais d'information peuvent fausser les résultats.
Biais de sélection Biais d'information
#4

Comment la variabilité des données impacte-t-elle le modèle ?

Une variabilité élevée peut rendre le modèle moins fiable et plus difficile à interpréter.
Variabilité des données Fiabilité du modèle
#5

Quels sont les risques liés à l'absence de validation ?

Sans validation, le modèle peut être inexact et conduire à des décisions erronées.
Validation de modèle Inexactitude
{ "@context": "https://schema.org", "@graph": [ { "@type": "MedicalWebPage", "name": "Modèles linéaires : Questions médicales les plus fréquentes", "headline": "Modèles linéaires : Comprendre les symptômes, diagnostics et traitements", "description": "Guide complet et accessible sur les Modèles linéaires : explications, diagnostics, traitements et prévention. Information médicale validée destinée aux patients.", "datePublished": "2024-06-11", "dateModified": "2026-03-03", "inLanguage": "fr", "medicalAudience": [ { "@type": "MedicalAudience", "name": "Grand public", "audienceType": "Patient", "healthCondition": { "@type": "MedicalCondition", "name": "Modèles linéaires" }, "suggestedMinAge": 18, "suggestedGender": "unisex" }, { "@type": "MedicalAudience", "name": "Médecins", "audienceType": "Physician", "geographicArea": { "@type": "AdministrativeArea", "name": "France" } }, { "@type": "MedicalAudience", "name": "Chercheurs", "audienceType": "Researcher", "geographicArea": { "@type": "AdministrativeArea", "name": "International" } } ], "reviewedBy": { "@type": "Person", "name": "Dr Olivier Menir", "jobTitle": "Expert en Médecine", "description": "Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale", "url": "/static/pages/docteur-olivier-menir.html", "alumniOf": { "@type": "EducationalOrganization", "name": "Université Paris Descartes" } }, "isPartOf": { "@type": "MedicalWebPage", "name": "Analyse de régression", "url": "https://questionsmedicales.fr/mesh/D012044", "about": { "@type": "MedicalCondition", "name": "Analyse de régression", "code": { "@type": "MedicalCode", "code": "D012044", "codingSystem": "MeSH" }, "identifier": { "@type": "PropertyValue", "propertyID": "MeSH Tree", "value": "N06.850.520.830.750" } } }, "about": { "@type": "MedicalCondition", "name": "Modèles linéaires", "alternateName": "Linear Models", "code": { "@type": "MedicalCode", "code": "D016014", "codingSystem": "MeSH" } }, "author": [ { "@type": "Person", "name": "Runze Li", "url": "https://questionsmedicales.fr/author/Runze%20Li", "affiliation": { "@type": "Organization", "name": "Department of Statistics, and The Methodology Center, the Pennsylvania State University, University Park, PA 16802-2111, USA." } }, { "@type": "Person", "name": "Osval A Montesinos-López", "url": "https://questionsmedicales.fr/author/Osval%20A%20Montesinos-L%C3%B3pez", "affiliation": { "@type": "Organization", "name": "Facultad de Telemática, Universidad de Colima, Colima, 28040, México." } }, { "@type": "Person", "name": "José Crossa", "url": "https://questionsmedicales.fr/author/Jos%C3%A9%20Crossa", "affiliation": { "@type": "Organization", "name": "Colegio de Postgraduados, CP 56230, Montecillos, Edo. de, México." } }, { "@type": "Person", "name": "Nidhi Kohli", "url": "https://questionsmedicales.fr/author/Nidhi%20Kohli", "affiliation": { "@type": "Organization", "name": "University of Minnesota, United States." } }, { "@type": "Person", "name": "Runar Helin", "url": "https://questionsmedicales.fr/author/Runar%20Helin", "affiliation": { "@type": "Organization", "name": "Norwegian University of Life Sciences, Faculty of Science and Technology, Ås, Norway. Electronic address: runar.helin@nmbu.no." } } ], "citation": [ { "@type": "ScholarlyArticle", "name": "Generalized functional linear model with a point process predictor.", "datePublished": "2024-02-08", "url": "https://questionsmedicales.fr/article/38332307", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1002/sim.10023" } }, { "@type": "ScholarlyArticle", "name": "Indexing and partitioning the spatial linear model for large data sets.", "datePublished": "2023-11-01", "url": "https://questionsmedicales.fr/article/37910525", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1371/journal.pone.0291906" } }, { "@type": "ScholarlyArticle", "name": "Price prediction of polyester yarn based on multiple linear regression model.", "datePublished": "2024-09-12", "url": "https://questionsmedicales.fr/article/39264930", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1371/journal.pone.0310355" } }, { "@type": "ScholarlyArticle", "name": "Multivariate probit linear mixed models for multivariate longitudinal binary data.", "datePublished": "2024-02-06", "url": "https://questionsmedicales.fr/article/38488782", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1002/sim.10029" } }, { "@type": "ScholarlyArticle", "name": "Study on the applicability of FAI linear fitting model in the extraction of cyanobacterial blooms.", "datePublished": "2024-09-09", "url": "https://questionsmedicales.fr/article/39249606", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1007/s10661-024-13082-3" } } ], "breadcrumb": { "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "questionsmedicales.fr", "item": "https://questionsmedicales.fr" }, { "@type": "ListItem", "position": 2, "name": "Environnement et santé publique", "item": "https://questionsmedicales.fr/mesh/D004778" }, { "@type": "ListItem", "position": 3, "name": "Santé publique", "item": "https://questionsmedicales.fr/mesh/D011634" }, { "@type": "ListItem", "position": 4, "name": "Méthodes épidémiologiques", "item": "https://questionsmedicales.fr/mesh/D004812" }, { "@type": "ListItem", "position": 5, "name": "Statistiques comme sujet", "item": "https://questionsmedicales.fr/mesh/D013223" }, { "@type": "ListItem", "position": 6, "name": "Analyse de régression", "item": "https://questionsmedicales.fr/mesh/D012044" }, { "@type": "ListItem", "position": 7, "name": "Modèles linéaires", "item": "https://questionsmedicales.fr/mesh/D016014" } ] } }, { "@type": "MedicalWebPage", "name": "Article complet : Modèles linéaires - Questions et réponses", "headline": "Questions et réponses médicales fréquentes sur Modèles linéaires", "description": "Une compilation de questions et réponses structurées, validées par des experts médicaux.", "datePublished": "2026-05-06", "inLanguage": "fr", "hasPart": [ { "@type": "MedicalWebPage", "name": "Diagnostic", "headline": "Diagnostic sur Modèles linéaires", "description": "Comment identifier un modèle linéaire approprié ?\nQuels tests valident un modèle linéaire ?\nQuand utiliser un modèle linéaire généralisé ?\nQuels sont les indicateurs de qualité d'un modèle ?\nComment détecter les valeurs aberrantes ?", "url": "https://questionsmedicales.fr/mesh/D016014#section-diagnostic" }, { "@type": "MedicalWebPage", "name": "Symptômes", "headline": "Symptômes sur Modèles linéaires", "description": "Quels symptômes indiquent un mauvais ajustement du modèle ?\nComment les erreurs de prédiction se manifestent-elles ?\nQuels signes montrent une multicolinéarité ?\nQuels symptômes indiquent une hétéroscédasticité ?\nComment reconnaître une non-linéarité ?", "url": "https://questionsmedicales.fr/mesh/D016014#section-symptômes" }, { "@type": "MedicalWebPage", "name": "Prévention", "headline": "Prévention sur Modèles linéaires", "description": "Comment éviter le surajustement ?\nQuelles pratiques améliorent la qualité des données ?\nComment choisir les variables à inclure ?\nPourquoi normaliser les données ?\nComment documenter le processus de modélisation ?", "url": "https://questionsmedicales.fr/mesh/D016014#section-prévention" }, { "@type": "MedicalWebPage", "name": "Traitements", "headline": "Traitements sur Modèles linéaires", "description": "Comment améliorer un modèle linéaire ?\nQuels outils aident à la visualisation des modèles ?\nComment traiter les valeurs manquantes ?\nQuelles techniques de régularisation existent ?\nComment évaluer la performance d'un modèle ?", "url": "https://questionsmedicales.fr/mesh/D016014#section-traitements" }, { "@type": "MedicalWebPage", "name": "Complications", "headline": "Complications sur Modèles linéaires", "description": "Quelles complications peuvent survenir avec des modèles inappropriés ?\nComment les erreurs de spécification affectent-elles le modèle ?\nQuels impacts a la multicolinéarité sur les résultats ?\nComment l'hétéroscédasticité influence-t-elle les tests ?\nQuels risques posent les valeurs aberrantes ?", "url": "https://questionsmedicales.fr/mesh/D016014#section-complications" }, { "@type": "MedicalWebPage", "name": "Facteurs de risque", "headline": "Facteurs de risque sur Modèles linéaires", "description": "Quels facteurs influencent la sélection des variables ?\nComment la taille de l'échantillon affecte-t-elle le modèle ?\nQuels biais peuvent affecter les résultats ?\nComment la variabilité des données impacte-t-elle le modèle ?\nQuels sont les risques liés à l'absence de validation ?", "url": "https://questionsmedicales.fr/mesh/D016014#section-facteurs de risque" } ] }, { "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "Comment identifier un modèle linéaire approprié ?", "position": 1, "acceptedAnswer": { "@type": "Answer", "text": "Analysez la relation entre les variables et vérifiez l'hypothèse de linéarité." } }, { "@type": "Question", "name": "Quels tests valident un modèle linéaire ?", "position": 2, "acceptedAnswer": { "@type": "Answer", "text": "Utilisez des tests comme le test de normalité et l'analyse de variance." } }, { "@type": "Question", "name": "Quand utiliser un modèle linéaire généralisé ?", "position": 3, "acceptedAnswer": { "@type": "Answer", "text": "Utilisez-le lorsque la variable dépendante suit une distribution non normale." } }, { "@type": "Question", "name": "Quels sont les indicateurs de qualité d'un modèle ?", "position": 4, "acceptedAnswer": { "@type": "Answer", "text": "Considérez le R², l'AIC et le BIC pour évaluer la qualité du modèle." } }, { "@type": "Question", "name": "Comment détecter les valeurs aberrantes ?", "position": 5, "acceptedAnswer": { "@type": "Answer", "text": "Utilisez des graphiques de résidus et des tests de Cook pour identifier les outliers." } }, { "@type": "Question", "name": "Quels symptômes indiquent un mauvais ajustement du modèle ?", "position": 6, "acceptedAnswer": { "@type": "Answer", "text": "Des résidus non aléatoires et des patterns visibles dans les graphiques." } }, { "@type": "Question", "name": "Comment les erreurs de prédiction se manifestent-elles ?", "position": 7, "acceptedAnswer": { "@type": "Answer", "text": "Elles se traduisent par des écarts importants entre les valeurs observées et prédites." } }, { "@type": "Question", "name": "Quels signes montrent une multicolinéarité ?", "position": 8, "acceptedAnswer": { "@type": "Answer", "text": "Des coefficients de régression instables et des valeurs de VIF élevées." } }, { "@type": "Question", "name": "Quels symptômes indiquent une hétéroscédasticité ?", "position": 9, "acceptedAnswer": { "@type": "Answer", "text": "Une variance des résidus qui varie avec les valeurs prédites, visible dans les graphiques." } }, { "@type": "Question", "name": "Comment reconnaître une non-linéarité ?", "position": 10, "acceptedAnswer": { "@type": "Answer", "text": "Des courbes dans les graphiques de résidus indiquent une relation non linéaire." } }, { "@type": "Question", "name": "Comment éviter le surajustement ?", "position": 11, "acceptedAnswer": { "@type": "Answer", "text": "Utilisez la validation croisée et limitez le nombre de variables dans le modèle." } }, { "@type": "Question", "name": "Quelles pratiques améliorent la qualité des données ?", "position": 12, "acceptedAnswer": { "@type": "Answer", "text": "Assurez-vous de la précision, de la complétude et de la cohérence des données." } }, { "@type": "Question", "name": "Comment choisir les variables à inclure ?", "position": 13, "acceptedAnswer": { "@type": "Answer", "text": "Utilisez des critères statistiques et des connaissances théoriques pour sélectionner." } }, { "@type": "Question", "name": "Pourquoi normaliser les données ?", "position": 14, "acceptedAnswer": { "@type": "Answer", "text": "La normalisation aide à réduire l'influence des échelles différentes sur le modèle." } }, { "@type": "Question", "name": "Comment documenter le processus de modélisation ?", "position": 15, "acceptedAnswer": { "@type": "Answer", "text": "Tenez un journal des décisions, des tests et des résultats pour assurer la traçabilité." } }, { "@type": "Question", "name": "Comment améliorer un modèle linéaire ?", "position": 16, "acceptedAnswer": { "@type": "Answer", "text": "Ajoutez des variables pertinentes ou transformez les variables existantes." } }, { "@type": "Question", "name": "Quels outils aident à la visualisation des modèles ?", "position": 17, "acceptedAnswer": { "@type": "Answer", "text": "Utilisez des graphiques de dispersion et des courbes de régression pour visualiser." } }, { "@type": "Question", "name": "Comment traiter les valeurs manquantes ?", "position": 18, "acceptedAnswer": { "@type": "Answer", "text": "Utilisez l'imputation ou excluez les observations incomplètes selon le contexte." } }, { "@type": "Question", "name": "Quelles techniques de régularisation existent ?", "position": 19, "acceptedAnswer": { "@type": "Answer", "text": "Lasso et Ridge sont des techniques pour éviter le surajustement dans les modèles." } }, { "@type": "Question", "name": "Comment évaluer la performance d'un modèle ?", "position": 20, "acceptedAnswer": { "@type": "Answer", "text": "Utilisez des métriques comme RMSE, MAE et R² pour évaluer la performance." } }, { "@type": "Question", "name": "Quelles complications peuvent survenir avec des modèles inappropriés ?", "position": 21, "acceptedAnswer": { "@type": "Answer", "text": "Des conclusions erronées et des décisions basées sur des analyses biaisées." } }, { "@type": "Question", "name": "Comment les erreurs de spécification affectent-elles le modèle ?", "position": 22, "acceptedAnswer": { "@type": "Answer", "text": "Elles peuvent conduire à des estimations biaisées et à une mauvaise interprétation." } }, { "@type": "Question", "name": "Quels impacts a la multicolinéarité sur les résultats ?", "position": 23, "acceptedAnswer": { "@type": "Answer", "text": "Elle rend les coefficients instables et complique l'interprétation des résultats." } }, { "@type": "Question", "name": "Comment l'hétéroscédasticité influence-t-elle les tests ?", "position": 24, "acceptedAnswer": { "@type": "Answer", "text": "Elle peut fausser les tests d'hypothèses et rendre les intervalles de confiance incorrects." } }, { "@type": "Question", "name": "Quels risques posent les valeurs aberrantes ?", "position": 25, "acceptedAnswer": { "@type": "Answer", "text": "Elles peuvent influencer de manière disproportionnée les résultats du modèle." } }, { "@type": "Question", "name": "Quels facteurs influencent la sélection des variables ?", "position": 26, "acceptedAnswer": { "@type": "Answer", "text": "La pertinence théorique, la disponibilité des données et la multicolinéarité." } }, { "@type": "Question", "name": "Comment la taille de l'échantillon affecte-t-elle le modèle ?", "position": 27, "acceptedAnswer": { "@type": "Answer", "text": "Un échantillon trop petit peut entraîner des estimations instables et biaisées." } }, { "@type": "Question", "name": "Quels biais peuvent affecter les résultats ?", "position": 28, "acceptedAnswer": { "@type": "Answer", "text": "Le biais de sélection et le biais d'information peuvent fausser les résultats." } }, { "@type": "Question", "name": "Comment la variabilité des données impacte-t-elle le modèle ?", "position": 29, "acceptedAnswer": { "@type": "Answer", "text": "Une variabilité élevée peut rendre le modèle moins fiable et plus difficile à interpréter." } }, { "@type": "Question", "name": "Quels sont les risques liés à l'absence de validation ?", "position": 30, "acceptedAnswer": { "@type": "Answer", "text": "Sans validation, le modèle peut être inexact et conduire à des décisions erronées." } } ] } ] }
Dr Olivier Menir

Contenu validé par Dr Olivier Menir

Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale


Validation scientifique effectuée le 03/03/2026

Contenu vérifié selon les dernières recommandations médicales

Auteurs principaux

Runze Li

2 publications dans cette catégorie

Affiliations :
  • Department of Statistics, and The Methodology Center, the Pennsylvania State University, University Park, PA 16802-2111, USA.
Publications dans "Modèles linéaires" :

Osval A Montesinos-López

2 publications dans cette catégorie

Affiliations :
  • Facultad de Telemática, Universidad de Colima, Colima, 28040, México.

José Crossa

2 publications dans cette catégorie

Affiliations :
  • Colegio de Postgraduados, CP 56230, Montecillos, Edo. de, México.
  • Biometrics and Statistics Unit, International Maize and Wheat Improvement Center (CIMMYT), Apdo. Postal 6-641, 06600, Cd. de, México.

Nidhi Kohli

2 publications dans cette catégorie

Affiliations :
  • University of Minnesota, United States.

Runar Helin

1 publication dans cette catégorie

Affiliations :
  • Norwegian University of Life Sciences, Faculty of Science and Technology, Ås, Norway. Electronic address: runar.helin@nmbu.no.
Publications dans "Modèles linéaires" :

Ulf Indahl

1 publication dans cette catégorie

Affiliations :
  • Norwegian University of Life Sciences, Faculty of Science and Technology, Ås, Norway.
Publications dans "Modèles linéaires" :

Oliver Tomic

1 publication dans cette catégorie

Affiliations :
  • Norwegian University of Life Sciences, Faculty of Science and Technology, Ås, Norway.
Publications dans "Modèles linéaires" :

Kristian Hovde Liland

1 publication dans cette catégorie

Affiliations :
  • Norwegian University of Life Sciences, Faculty of Science and Technology, Ås, Norway.
Publications dans "Modèles linéaires" :

Jeffrey R Harring

1 publication dans cette catégorie

Affiliations :
  • Measurement, Statistics and Evaluation Program, Department of Human Development and Quantitative Methodology, 3492 Campus Drive, 1230-E Benjamin Building, University of Maryland, College Park, MD, 20742-1115, USA. harring@umd.edu.
Publications dans "Modèles linéaires" :

Marian M Strazzeri

1 publication dans cette catégorie

Affiliations :
  • Measurement, Statistics and Evaluation Program, Department of Human Development and Quantitative Methodology, 3492 Campus Drive, 1230-E Benjamin Building, University of Maryland, College Park, MD, 20742-1115, USA.
Publications dans "Modèles linéaires" :

Shelley A Blozis

1 publication dans cette catégorie

Affiliations :
  • University of California, Davis, CA, USA.
Publications dans "Modèles linéaires" :

Kristan F Reed

1 publication dans cette catégorie

Affiliations :
  • Department of Animal Science, Cornell University, Ithaca, NY, U.S.A 14850. Electronic address: kfr3@cornell.edu.
Publications dans "Modèles linéaires" :

MaryGrace Erickson

1 publication dans cette catégorie

Affiliations :
  • Department of Animal and Dairy Sciences, University of Wisconsin-Madison, Wisconsin U.S.A. 53705.
Publications dans "Modèles linéaires" :

Tiago Barros

1 publication dans cette catégorie

Affiliations :
  • Department of Animal and Dairy Sciences, University of Wisconsin-Madison, Wisconsin U.S.A. 53705.
Publications dans "Modèles linéaires" :

Marina A C Danes

1 publication dans cette catégorie

Affiliations :
  • Department of Animal Science, University of Lavras, Lavras, 37200, Brazil.
Publications dans "Modèles linéaires" :

J Mark Powell

1 publication dans cette catégorie

Affiliations :
  • USDA-Agricultural Research Service, US Dairy Forage Research Center, Madison, Wisconsin U.S.A. 53705.
Publications dans "Modèles linéaires" :

Geoffrey I Zanton

1 publication dans cette catégorie

Affiliations :
  • USDA-Agricultural Research Service, US Dairy Forage Research Center, Madison, Wisconsin U.S.A. 53705.
Publications dans "Modèles linéaires" :

Michel A Wattiaux

1 publication dans cette catégorie

Affiliations :
  • Department of Animal and Dairy Sciences, University of Wisconsin-Madison, Wisconsin U.S.A. 53705.
Publications dans "Modèles linéaires" :

Franco Allegrini

1 publication dans cette catégorie

Affiliations :
  • Calle 9 de Julio 2045 Dto. 6B, Rosario, 2000, Argentina.
Publications dans "Modèles linéaires" :

Alejandro C Olivieri

1 publication dans cette catégorie

Affiliations :
  • Departamento de Química Analítica, Facultad de Ciencias Bioquímicas y Farmacéuticas, Universidad Nacional de Rosario, Instituto de Química Rosario (CONICET-UNR), Suipacha 531, 2000, Rosario, Argentina. Electronic address: olivieri@iquir-conicet.gov.ar.
Publications dans "Modèles linéaires" :

Sources (10000 au total)

Evaluation of the agreement of horizontal and vertical linear measurements obtained from digital models, printed models and direct measurements.

The use of arch models is essential in diagnosis and planning in orthodontics. The demand for digital and printed models has increased among professionals.... The aim of the study was to assess the agreement of horizontal and vertical linear measurements obtained from digital models, printed models, and direct measurements.... Intraoral scans of 30 individuals were obtained. Digital measurements were performed using the STL files. From printed models, the measurements were done using a digital caliper, and the real measurem... The one-sample t test showed no discrepancy between the paired sets of measurements, with the value of 0 (p>0.05). The evaluation of the measurements was done using Bland-Altman analysis in pairs. The... The horizontal and vertical measurements evaluated showed agreement when measured on digital models, printed models and directly in the individuals' mouths....

lmeEEG: Mass linear mixed-effects modeling of EEG data with crossed random effects.

Mixed-effects models are the current standard for the analysis of behavioral studies in psycholinguistics and related fields, given their ability to simultaneously model crossed random effects for sub... Here, we propose and validate an analytical strategy that enables the use of linear mixed models (LMM) with crossed random intercepts in mass univariate analyses of EEG data (lmeEEG). It avoids the un... lmeEEG showed excellent performance properties in terms of power and false positive rate.... lmeEEG overcomes the computational costs of standard available approaches (our method was indeed more than 300 times faster).... lmeEEG allows researchers to use mixed models with EEG mass univariate analyses. Thanks to the possibility offered by the method described here, we anticipate that LMM will become increasingly importa...