VARIABILITY OF THE SUN AND SUN-LIKE STARS : from asteroseismology to space weather

This book is based on contributions presented at the first International Conference on Solar Physics which was organized in Baku, Azerbaijan in July 06–08, 2015, by the Science Development Foundation under the President of the Republic of Azerbaijan. The primary goals were to highlight specific aspects of modern solar physics research, including observation and theory that span from the interior of the Sun out into the wider heliosphere, as well as solar-terrestrial physics and particularly, sun-like stars. The Sun is a variable star. However, we are still far from fully understanding what and how causes this variability. Why does the Sun continue to go on, on a rhythmic scale, the so-called solar cycle, without damping? How to better understand the complicated relationships between the Sun, the heliosphere and the many proxies of long-term solar activity? How the data could be fully exploited for a better understanding of solar changes on the longest possible time scales? How our knowledge on the Sun can be transfer to other stars? What are the impacts on our terrestrial environment? These questions shape the architecture of the book. It will be of interest and useful to scientists and graduate level readers who would like to better master such up-to-date topics.

Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants: la régression.

Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l'apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins.

La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https://regression-avec-r.github.io/

Cet ouvrage s'adresse principalement à des étudiants de Master et d'écoles d'ingénieurs ainsi qu'aux chercheurs travaillant dans les divers domaines des sciences appliquées.