Les modèles de regression
Yves Till´ e 10 janvier 2011
1
Chapitre 1
R´gression bivari´e e e
1.1 S´rie statistique bivari´e e e
On s’int´resse ` deux variables x et y. Ces deux variables sont mesur´es sur les n unit´s d’observation. e a e e Pour chaque unit´, on obtient donc deux mesures. La s´rie statistique est alors une suite de n couples des e e valeurs prises par les deux variables sur chaque individu : (x1 , y1 ), . . . , (xi , yi ), . . . , (xn , yn ). Chacune des deux variables peut ˆtre soit quantitative, soit qualitative. e
1.1.1
Repr´sentation graphique de deux variables e
Dans ce cas, chaque couple est compos´ de deux valeurs num´riques. Un couple de nombres (entiers ou e e r´els) peut toujours ˆtre repr´sent´ comme un point dans un plan e e e e (x1 , y1 ), . . . , (xi , yi ), . . . , (xn , yn ). Exemple 1.1 On mesure le poids Y et la taille X de 20 individus. Table 1.1 – Taille et poids de 20 individus yi 60 61 64 67 68 69 70 70 72 73 xi 155 162 157 170 164 162 169 170 178 173 yi 75 76 78 80 85 90 96 96 98 101 xi 180 175 173 175 179 175 180 185 189 187
1.1.2
Analyse des variables
Les variables x et y peuvent ˆtre analys´es s´par´ment. On peut calculer tous les param`tres dont les e e e e e moyennes et les variances : n n 1∑ 1∑ x= ¯ xi , s2 = (xi − x)2 , ¯ x n i=1 n i=1 2
poids
60 155
70
80
90
100
160
165
170 taille
175
180
185
190
Figure 1.1 – Le nuage de points 1∑ yi , n i=1 n y= ¯
s2 = y
1∑ (yi − y )2 . ¯ n i=1 n Ces param`tres sont appel´s param`tres marginaux : variances marginales, moyennes marginales, ´carts-types e e e e marginaux, etc.
1.1.3
Covariance sxy = 1∑ (xi − x)(yi − y ). ¯ ¯ n i=1 n La covariance est d´finie e
Remarque 1.1 – La covariance peut prendre des valeurs positives, n´gatives ou nulles. e – Quand xi = yi , pour tout i = 1, . . . n, la covariance est ´gale ` la variance. e a – La covariance peut ´galement s’´crire e e sxy = 1∑ xi y i − xy . ¯¯ n i=1 n 1.1.4
Corr´lation e