Régression linéaire

Modélisation Statistique Régressions linéaires AGENEAU Louis, AKUE Adovi, BONDU Baptiste, CAILLAUD Alexandre 27/04/2014 Sommaire Sommaire ................................................................................................................................................ 1 Introduction............................................................................................................................................. 2 Régression linéaire simple ...................

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

3. Si t est le taux d’évolution moyen entyre 2005 et 2009, on doit avoir : 9, 8 soit (1 + t )4 = 1, 098 ou (1 + t )4 = 1 + 100 1 + t = 1, 0981/4 et enfin t = 1, 0981/4 − 1. On trouve t ≈ 0, 024 soit 2,4 %. B) 1er modèle d’évolution : la droite de régression par la méthode des moindres carrés 1. La calculatrice donne comme équation : y = 0, 202x − 396, 96 soit en arrondissant les coefficients au centième : y = 0, 20x − 396, 96. 2. Avec x = 2010 l’équation précédente donne : y = 0, 20 × 2010 − 396, 96

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

[pic] On ajuste les chiffres d'affaires trimestriels au moyen de la droite des moindres carrés dont l'équation, après calcul, est : y=3.6783x+124.0909 C. Calculer les rapports à la tendance. A partir de la droite de régression, on calcule les valeurs du trend. Puis on calcule les rapports à la tendance : (valeur observée / valeur du trend) [pic] D. En déduire les coefficients saisonniers. On peut alors calculer, pour chaque trimestre, les moyennes

d’affaire correspondant. x 1 2 3 4 5 6 12 13 15 19 21 22 Calculer les moyennes X et Y Construire le nuage de points (abscisse 2cm ordonnée 1cm) Calculer la variance V X( ) et la covariance COV X Y ( , ) Démontrer que la droite de régression de y en fonction de x est 78 9, 2 35 y x = + Tracer en utilisant la droite. Calculer une estimation du chiffre d’affaire à la fin du 7 ème mois. pharmacien observe, durant les six (6) premier mois de l’ouverture de son officine, le chiffre

paramètres de position • les paramètres de dispersion • la prise en compte de la hausse des prix 2- La prévision des ventes • la méthode des moindres carrés • la méthode de calcul des coefficients saisonniers • le coefficient de corrélation linéaire Mots clés : mode, médiane, moyenne, variance, écart-type, méthode des moindres carrés, coefficient de corrélation 1-L’analyse des ventes • Les paramètres de position Ils permettent d’analyser une série de données

chaque année, le plus grand nombre de visites de technicien est au troisième trimestre et la période où il y en a le moins est le quatrième trimestre. Question 2 : À l'aide de la calculatrice j'obtiens les résultats suivants pour la droite de régression par la méthode des moindres carrés sur les 24 mois de janvier N-2 à décembre N-1 : a = -0,5 b = 322,09 L'équation est donc : y = -0,5x+322,09 Question 3 : Annexe 1 : Voir sur l'onglet « Question 3 » du fichier Excel joint. Question 4 :

Pente k de la droite de régression sur le papier millimétrique : Comparaison de la pente calculée avec la pente déterminée par le logiciel excel (avec quatre chiffres significatifs) : Pente calculée Pente déterminée par excel 1,493 1,493 On trouve par calcul les mêmes résultats que le programme. Ceci nous indique déjà que nos mesures étaient très précises. Ajouter une droite de régression à un graphique dessiné par main n’est pas très précis car on cherche une droite qui semble être bonne