Régression linéaire multiple

Les méthodes d’ajustement linéaire Les méthodes de lissage Les indices Les prévisions par l’information Les méthodes d’ajustement linéaire Méthodes qui consistent à remplacer un nuage de points par une droite représentative ayant pour équation y = ax + b L’ajustement par les points extrêmes Années 2001 2002 2003 2004 2005 2006 2007 2008 CA en M€ 6200 6260 6620 6970 7130 7580 7790 évolution - Les méthodes d’ajustement linéaire Méthodes qui consistent à remplacer

. . . . . . . . . . . . . . . . . . . . . . . . 10 G. Mettre la calculatrice en mode degré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 CALCULS NUMÉRIQUES A. Accéder au menu calculs - Affichage en mode linéaire ou naturel . . . . . . . . . . . . . . . . . . . . B. Expressions avec des écritures fractionnaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A) Saisir une fraction et la rendre irréductible . . . . . . . . . . . .

comme la « distance » entre la droite D et le nuage de points. Le meilleur ajustement est celui de l'équation de la droite pour laquelle est minimum. On démontre que est minimum pour la droite D d'équation : Cette droite s'appelle la droite de régression de Y en X. 3. Comment utiliser un ajustement affine ? Soit une série double (xi ; yi), avec 1   i   n. Après avoir appliqué une des méthodes précédentes, on obtient l'ajustement affine y = ax + b de la série double (X, Y). Cette relation exprime

Alexandre Popier Université du Maine, Le Mans Octobre 2010 A. Popier (Le Mans) Licence SPI. Octobre 2010 1 / 16 P LAN DU COURS 1 R ELATION LINÉAIRE 2 D ROITE DE RÉGRESSION A. Popier (Le Mans) Licence SPI. Octobre 2010 2 / 16 P LAN 1 R ELATION LINÉAIRE 2 D ROITE DE RÉGRESSION A. Popier (Le Mans) Licence SPI. Octobre 2010 3 / 16 E XEMPLE : LIEN POIDS - TAILLE . Échantillon : médaillés (or) masculins à Sydney : Noms Taille

Utilisation d’une calculatrice Statistiques à deux variables et régression. Dans le cadre des programmes qui demandent de connaître l’utilisation des calculatrices, je propose dans ce TP de montrer aux élèves ou aux étudiants de Bts d’apprendre à trouver les valeurs demandées, par simple lecture. Énoncé La pollution par le dioxyde de souffre et le dioxyde d'azote en région PACA a été donnée en 1998 par le tableau suivant. |Année t |1990 |1991

moindres carrés a) La droite de régression Soit D une droite d’ajustement. Soit Mi(xi ; yi) un point du nuage. Pi est le point de même abscisse xi que Mi situé sur la droite D d’équation y = ax + b. Qi est le point de même ordonnée yi que Mi situé sur la droite D’ d’équation x = a’x + b’. On appelle droite de régression de y en x, la droite D tell que : ∑ M P = ∑[y 2 i=1 i i i=1 n n i − (axi + b)] 2 soit minimale. On appelle droite de régression de x en y, la droite D’ telle que

Corrigé du baccalauréat STG CGRH Métropole–La Réunion 22 juin 2010 E XERCICE 1 Cet exercice est un questionnaire à choix multiples (QCM) 4 points A B B Total 2 1. p A = . 3 1 2. p(B) = . 6 3. p A (B) = p(A ∩ B) = p(A) 1 18 1 3 A 1 9 5 9 2 3 Total 1 6 5 6 1 18 5 18 1 3 H HH 1 H 1 H = 1 18 1 ×3 = . 6 1 1 1 6+3−1 8 4 + − = = = . 3 6 18 18 18 9 8 points 4. p(A ∪ B) =p(A) + p(B) - p(A ∩B) = E XERCICE 2 A) Étude du prix de revient unitaire moyen : 72 25 1 = − 55 + 100 +

nature de la variable Y ? Faire une représentation graphique de cette série statistique Déterminer la droite d'ajustement de Mayer Calculer le coefficient de corrélation linéaire de Y en t Déterminer la droite de régression linéaire, de Y en t, par la méthode des moindres carrés. L'ajustement linéaire est-il satisfaisant? On considère la variable X définie par : X = t² – 12.t + 20. Recopier et compléter le tableau ci-dessous. t (en année) | 1,1 | 1,5 | 1,8

0 1 2 3 4 5 6 Méthode 3 : ( METHODE DES MOINDRES CARRES ) Définition 2 : ( Résidus et droite de régression .) Soient M1,M2,…,M5 les points du nuage donné. Soit (d) une droite choisie pour l’ajustement affine. Soient P1,P2,…,P5 les projetés respectifs des points M1,M2,…,M5 sur (d) parallèlement à l’axe (oy). Les résidus correspondent aux distances M1P1 , M2P2 , …, M5P5 . La droite de régression de y en x est l’unique droite d’ajustement telle que la somme S = ( M1P1)² + ( M2P2 )² + ( M5P5 )² soit

| C1 C2 C3 C4 -----+---------------------------- C1 | 1.00 C2 | 0.98 1.00 C3 | 0.11 0.28 1.00 C4 | 0.51 0.65 0.90 1.00 -----+---------------------------- Ici on constate que toutes les corrélations linéaires sont positives (ce qui signifie que toutes les variables varient, en moyenne, dans le même sens), certaines étant très fortes (0.98 : corrélation entre MATH et PHYS et 0.90 : corrélation entre FRAN et ANGL), d’autres moyennes (0.65 : corrélation entre