Régression

2 1n V(y)   yi ²  y n i1 L’écart type (x)  (x)  V(x) RCL 6 L’écart type (y)  (y)= V(y) 1n cov(x,y)   xiyi  x.y n i1 cov(x,y) r  (x) (y) Y=aX+b RCL 9 La covariance Le coefficient de corrélation Droite de régression de y en x :   RCL  × RCL 6 × RCL 9 RCL RCL RCL  ) ( a cov(x,y) V(x) b  y  ax Exercice résolu Un hypermarché dispose de 20 caisses. Le tableau suivant indique le temps moyen d’attente à une caisse en fonction du nombre

+ (Mn Pn ) La droite qui minimise cette somme est appelée droite de régression de y en x. Remarques : 1. On peut utiliser la calculatrice ou un tableur pour déterminer l’équation de la droite de régression. Voir feuille annexe et page 238 [Roche-Barny]. 2. La droite de régression de y en x. passe par le point moyen G. Exemple : On reprend l’exemple du 2. À l’aide de la calculatrice, on trouve que la droite de régression de y en x admet comme équation y = −12, 6x + 227, 7. Exercices : 21

Analyse des données. CHAPITRE 1. REGRESSION ET CORRELATION 1.1. INTRODUCTION. En analyse de régression, on cherche à expliquer une variable métrique Y qui dépend d’une ou de plusieurs variables explicatives métriques X1, X2,..., Xp. A cette fin, un modèle mathématique peut représenter convenablement la relation entre Y et les Xi, ce modèle servira aussi pour faire des prévisions. Y = f ( X1, X2,..., Xp ) La variable Y s’appelle la variable expliquée, dépendante, endogène, tandis que les X1

linéaire exacte Ph. LERAY - A. ROGOZAN n n sont des variances ax i by i c=0 ∀ i 8 UV Statistique Cours n°3 quantitative vs. quantitative • Régression linéaire entre 2 v. a. quantitatives X et Y • Si X et Y sont « correctement » corrélées (rXY voisin de 1) Si X est a priori la cause de Y , Réaliser la régression de Y sur X = déterminer la fonction affine f(x)=aX+b qui approche « le mieux possible » Y • La détermination de a et b se fait selon le critère des moindres carrés

La régression Encadré par: Mr. Karim Doumi Présenté par : Meryem Zakri Zineb Dib La régression simple La régression est une méthode statistique qui traite les valeurs d’une variable dépendante Y comme étant fonction des valeurs prises par une ou plusieurs variables indépendantes X La régression simple (= bivariée) comprend une seule variable indépendante L’équation de régression a donc la forme: La régression simple Y= a + bX + eᵢ Y : variable dépendante (à expliquer) X : variable indépendante

L’analyse de la régression 8 Pr. Adil BOULAHOUAL Diapo 8 L’analyse de la régression • L’analyse de la régression est une méthode statistique qui permet d’étudier le type de relation pouvant exister entre une certaine variable (dépendante) dont on veut expliquer les valeurs et une ou plusieurs autres variables qui servent à cette explication (variables indépendantes) – Régression linéaire simple: une variable indépendante • En d’autres termes, l’analyse de la régression permet d’étudier

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 Poids Andrieux

changement de variable, ou une respécification du modèle...) 2 L'AJUSTEMENT LINÉAIRE, POINT DE VUE GÉOMÉTRIQUE L'ajustement linéaire est la recherche de la « meilleure » droite résumant la structure du nuage. Critère des moindres carrés, droite de régression de y en x On cherche une droite, d'équation : y = A.x + B qui approche « au mieux » les données. On considère en général que l'une des variables dépend de l'autre (par exemple la consommation dépend du revenu, ou l’investissement du taux d’intérêt);

Concerne l’intervalle de confiance : La loi normale. Cas d’une régression linéaire : L’opération consiste à déterminer un intervalle qui a p chances / 100 de contenir une valeur cherchée quelconque, pour un risque d’erreur alpha égal à(100 – p), p étant le niveau de confiance. Cet intervalle est délimité par 2 droites parallèles et équidistantes de la droite de régression : 3 droites de même coefficient directeur : déterminer l’ordonnée à l’origine ? La distance est définie à partir de l’ecart

Décision et Prévision Statistiques Thierry Verdel (2007) Chapitre 7 La régression linéaire Les sciences exactes sont fondées sur la notion de relations répétables, qui peut s’énoncer ainsi : dans les mêmes conditions, les mêmes causes produisent les mêmes effets. Notant alors x la mesure des causes, et y celle des effets, la liaison entre y et x s’écrit suivant la relation fonctionnelle y = fc HxL : à une valeur donnée de x correspond une valeur bien déterminée de y. Or, pour de nombreux