sélections de modèle en régression par tests multiples hiérarchiques

On rencontre fréquemment dans le contexte d'expérimentations scientifiques, le problème de lier le résultat Y d'une certaine expérience à l'état d'un certain nombre de conditions expérimentales représentées par {X1,...,XK}, notre but au début de notre ouvrage, est de répondre à la question Quels sont les avantages à rechercher un modèle parcimonieux en régresseurs ? Par la suite, on discute l'effet de multiplicité de tests, qui peut s'exprimer selon Diaconis (1985): If enough statistics are computed, some of them will be sure to show structure . À la fin de notre ouvrage, on présente la méthode de Meinshausen qui est une méthode hiérarchique pour la sélection de modèles, et on met à votre disposition les résultats des simulations pour comparer la puissance de cette méthode et sa correction de Shaffer contre les anciennes méthodes comme Bonferroni, Wald, Holm, AIC, BIC et R2 ajustée.