Optimisation linéaire

. II Ajustements II.1 Ajustement à la règle . . . . . II.2 Méthode de Mayer . . . . . . II.3 Méthode des moindres carrés II.4 Ajustement exponentiel . . . II.5 Comparaison . . . . . . . . . . . . . . . . . . . III Coefficient de corrélation linéaire http://nathalie.daval.free.fr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

 «  LA FONCTION LINEAIRE » " LES GAUFRES " A l'occasion de la fête du village, Julien et Nathalie ont décidé de faire des gaufres et de les vendre 2 € pièce. 1°) On désigne par x le nombre de gaufres vendues et par y la recette. Complète le tableau : x 0 10 25 40 50 y 160 240 C'est un tableau de .................................................. . A tout nombre x , on fait correspondre y égal à ............. Ce mécanisme est noté . On dit que x a pour

Filière de Sciences Économiques et de Gestion Semestre Module Matière : : : S3 M 10 (Méthodes Quantitatives II) Mathématiques II Objectif du cours Introduire l’étudiant à l’algèbre linéaire par des notions sur les espaces vectoriels et le calcul matriciel ainsi qu’en termes de résolution de systèmes linéaires. Calcul dans Թ Notions élémentaires sur les ensembles Pré-reqcuis recommandé Mode d’évaluation Contrôle final (2h) contrôle de rattrapage (1h30) Déroulement du cours Cours magistraux

1 LE MODÈLE LINÉAIRE SIMPLE DONNÉES, NUAGES DE POINTS Il est fréquent, dans une étude élémentaire, de chercher à préciser une liaison éventuelle entre deux grandeurs pour lesquelles on dispose d'une série d'observations jointes. Ainsi :       la taille et le poids des éléments d'un groupe d'étudiants ; le salaire et le solde bancaire moyen des clients d'une banque ; le revenu annuel et le nombre moyen de voiture par habitant en France depuis 1948 ; le revenu par habitant et le taux d'analphabétisme

l'axe des ordonnées. b- Tracer dans ce repère : • la droite DA qui représente la fonction x → 0,5x. • la droite DB qui représente la fonction x →0,2x + 7,5. • la droite DC qui représente la fonction x → 15,5. • La fonction x → 0,5x est une fonction linéaire sa représantation graphique est la droite passant par l'origine du repère et le point de coordonnées (30;15). • La fonction x →0,2x + 7,5 est une fonction affine. sa représentation graphique est la droite passant par les points de coordonnées (0

il existe une application linéaire continue dfa 2 Lc (E; F ); kf (a + h) f (a) L ( h)kF ff est di¤érentiable en un point a 2 U , lim =0 : khk!0 khkE dfa est dite di¤érentielle de f en a ou application linéaire tangente (à f en a) Si f est di¤érentiable en tout point a 2 U;on dé…nit une application df : a 2 U ! dfa 2 Lc (E; F ): Si df est continue, on dit que f est de classe C 1 (U): Si f est di¤érentiable en a 2 U; f est continue en a: L’application f ! df est linéaire et suit la règle de composition

taille : 2. Ordonnée à l’origine de la droite des moindres carrés du poids en fonction de la taille : 3. Point 1 appartenant à la droite des moindres carrés : 4. Point 2 appartenant à la droite des moindres carrés : 5. Coefficient de corrélation linéaire entre poids et taille : 6. Représenter le nuage de points et la droite des moindres carrés : 2 

Plan Analyse Factorielle Discriminante de Fisher (AFD) Régression linéaire au sens des moindre carrées Analyse Discriminante Linéaire (ADL) Lien entre AFD, ADL et RMC Synthèse sur AFD, ADL, RMC et RL Avantages et Inconvénients de ADL Projection, Discrimination et Classification Régression Logistique Massih-Réza Amini Techniques d’Analyse de Données et Théorie de l’Information Master M2 IAD – Parcours Recherche amini@poleia.lip6.fr http://www-connex.lip6.fr/~amini Exemple d’application:

multicouches, réseau à fonction radiale de base modèles régression linéaire, ANOVA, MANOVA, paramétriques ANCOVA, MANCOVA, modèle linéaire ou semigénéral GLM, régression PLS (variable à paramétriques expliquer continue) analyse discriminante linéaire, régression logistique, régression logistique PLS (variable à expliquer qualitative) modèle log-linéaire, régression de Poisson (variable à expliquer discrète = comptage) modèle linéaire généralisé, modèle additif généralisé (variable à expliquer

la même matrice), donc ∆n = 1 et par suite Dn = (1!...n!)2 . Problème (d’après Centrale 2001 PC 2) Partie I I.A.1) On complète x en une base B1 = (x, e2 , ..., en ) de V et de même avec y : B2 = (y, e2 , ..., en ). Soit f l’application linéaire de V dans V telle que f (x) = y, f (e2 ) = e2 , . . . , f (en ) = en (f est définie par la donnée de l’image de la base B1 ). Alors f ∈ GL(V ) car f transforme la base B1 en la base B2 , et f (x) = y. Soit A la matrice de f dans la base canonique