11
Frédéric Bertrand Myriam Maumy-Bertrand Master 1 – 2011/2012 Références « Analyse de régression appliquée » de Y. Dodge et V. Rousson, aux éditions Dunod, 2004. « Régression non linéaire et applications » de A. Antoniadis, J. Berruyer, R. Carmona, éditions Economica, 1992. Frédéric Bertrand et Myriam Maumy-Bertrand - M1 2011/2012 2 Introduction But : rechercher une relation stochastique qui lie deux ou plusieurs variables Domaines : Physique, chimie, astronomie Biologie, médecine Géographie Economie Frédéric Bertrand et Myriam Maumy-Bertrand - M1 2011/2012 3 1. Relation entre deux variables Considérons X et Y deux variables. Exemple : la taille (X) et le poids (Y) But : savoir comment Y varie en fonction de X Dans la pratique : Échantillon de n individus Relevé de la taille et du poids pour l’individu i Tableau d’observations ou données pairées. Frédéric Bertrand et Myriam Maumy-Bertrand - M1 2011/2012 4

oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

  • Upload
    others

  • View
    1

  • Download
    0

Embed Size (px)

Citation preview

Page 1: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

Fré

dér

ic B

ertr

and

Myr

iam

Mau

my-

Ber

tran

d

Mas

ter

1 – 2

011

/20

12

Réf

éren

ces

«

An

alys

e d

e ré

gre

ssio

n a

pp

liq

uée

»

d

e Y

. D

od

ge e

t V

. R

ou

sso

n, a

ux

é

dit

ion

s D

un

od

,

2

00

4.

«

Rég

ress

ion

no

n l

inéa

ire

et a

pp

lica

tio

ns

»

d

e A

. An

ton

iad

is, J.

Ber

ruye

r, R

. C

arm

on

a,

é

dit

ion

s E

con

om

ica,

1

99

2.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

2

Intr

od

uct

ion

Bu

t :

rec

her

cher

un

e re

lati

on

sto

chas

tiq

ue

qu

i

lie

deu

x o

u p

lusi

eurs

var

iab

les

Do

ma

ine

s :

P

hys

iqu

e, c

him

ie, a

stro

no

mie

B

iolo

gie

, m

édec

ine

G

éog

rap

hie

E

con

om

ie

F

rédéric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

3

1.

Rel

atio

n e

ntr

e d

eux

vari

able

s

Co

nsi

dér

on

s X

et

Y d

eux

vari

able

s.

Ex

em

ple

: l

a ta

ille

(X

) et

le

po

ids

(Y)

Bu

t :

savo

ir c

om

men

t Y

var

ie e

n f

on

ctio

n d

e X

Da

ns

la p

rati

qu

e :

É

chan

till

on

de

n i

nd

ivid

us

R

elev

é d

e la

tai

lle

et d

u p

oid

s p

ou

r l’i

nd

ivid

u i

T

able

au d

’ob

serv

atio

ns

ou

do

nn

ées

pai

rées

.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

4

Page 2: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

1. R

elat

ion

en

tre

deu

x va

riab

les

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

5

72

,6

1

19

0

7

7

74

,1

18

5

6

6

6

6

67

,4

1

18

0

5

67

,4

17

5

4

72

,7

17

0

3

68

,5

16

5

2

57

,9

16

0

1

Poid

s T

ail

le

Ob

serv

ati

on

s

0

10

20

30

40

50

60

70

80

155

160

165

170

175

180

185

190

195

Ta

ille

(cm

)

Poids (kg)

2. R

elat

ion

dét

erm

inis

te

Dan

s ce

rtai

ns

cas,

la

rela

tio

n e

st e

xact

e.

Ex

em

ple

s :

X

en

eu

ros,

Y e

n d

oll

ars

X

dis

tan

ce f

erro

viai

re, Y

pri

x d

u b

ille

t.

Y

= f

(X)

f e

st u

ne

fon

ctio

n d

éter

min

ée.

Ex

em

ple

s p

ou

r f

: fo

nct

ion

s li

néa

ires

, fo

nct

ion

s af

fin

es..

. Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

6

2. R

elat

ion

dét

erm

inis

te

Re

ma

rqu

e i

mp

ort

an

te :

No

us

uti

lise

ron

s le

ter

me

de

fon

ctio

n «

lin

éair

e »

po

ur

dés

ign

er u

ne

fon

ctio

n «

aff

ine

»

b0 e

t b

1 so

nt

des

rée

ls f

ixés

.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

7

XX

f1

0)

(b

b

2. R

elat

ion

dét

erm

inis

te

Ex

em

ple

: X

en

Cel

siu

s, Y

en

Far

enh

eit

Y=

32 +

9/5

X.

Ici

no

us

avo

ns

en i

den

tifi

ant

: b

0 =

32

et b

1 =

9/5

.

So

uve

nt

no

us

savo

ns

qu

e la

rel

atio

n e

ntr

e X

et

Y e

st

lin

éair

e m

ais

les

coef

fici

ents

so

nt

inco

nn

us.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

8

Page 3: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

2. R

elat

ion

dét

erm

inis

te

En

pra

tiq

ue

co

mm

en

t fa

iso

ns-

no

us

?

É

chan

till

on

de

n d

on

née

s

V

érif

ier

qu

e le

s d

on

née

s so

nt

alig

née

s.

Si

ce c

as e

st v

érif

ié, a

lors

no

us

avo

ns

: un

mo

le

lin

éa

ire

term

inis

te.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

9

2. R

elat

ion

dét

erm

inis

te

Si

ce c

as n

’est

pas

vér

ifié

, alo

rs n

ou

s al

lon

s ch

erch

er :

la d

roit

e q

ui

aju

ste

le

mie

ux

l’é

cha

nti

llo

n, c

’est

-à-

dir

e n

ou

s al

lon

s ch

erch

er u

n m

od

èle

lin

éa

ire

no

n

term

inis

te.

Les

n o

bse

rvat

ion

s vo

nt

per

met

tre

de

véri

fier

si

la

dro

ite

can

did

ate

est

adéq

uat

e.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

10

3. R

elat

ion

sto

chas

tiq

ue

La

plu

pa

rt d

es

cas

ne

so

nt

pa

s d

es

mo

les

lin

éa

ire

s d

éte

rmin

iste

s !

(la

rela

tio

n e

ntr

e X

et

Y n

’est

pas

exa

cte)

E

xe

mp

le :

X l

a ta

ille

et

Y l

e p

oid

s.

A 1

80

cm

peu

ven

t co

rres

po

nd

re p

lusi

eurs

po

ids

:

75 k

g, 8

5 k

g, …

L

es d

on

née

s n

e so

nt

plu

s al

ign

ées.

P

ou

r d

eux

po

ids

iden

tiq

ues

, n

ou

s av

on

s d

eux

tail

les

dif

fére

nte

s.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

11

3. R

elat

ion

sto

chas

tiq

ue

Un

e h

yp

oth

èse

ra

iso

nn

ab

le :

X e

t Y

so

nt

liés

Da

ns

l’ex

em

ple

pré

céd

en

t :

plu

s u

n i

nd

ivid

u e

st

gra

nd

, plu

s il

est

lo

urd

: e

st u

ne

vari

able

qu

i re

pré

sen

te l

e co

mp

ort

emen

t in

div

idu

el.

F

rédéric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

12

b

b

XY

10

Page 4: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

3. R

elat

ion

sto

chas

tiq

ue

Ex

em

ple

:

70 i

nd

ivid

us

qu

i so

nt

rép

arti

s d

e la

faç

on

su

ivan

te :

10

in

div

idu

s/ta

ille

7

tail

les

(de

160

à 1

90

cm

, pas

de

5 cm

).

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

13

3. R

elat

ion

sto

chas

tiq

ue

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

14

0

10

20

30

40

50

60

70

80

90

155

160

165

170

175

180

185

190

195

tail

le

poids

65

,8

16

5

15

66

,3

16

5

14

58

,5

16

5

13

69

,8

16

5

12

68

,5

16

5

11

57

,7

16

0

10

62

,9

16

0

9

58

,0

16

0

8

67

,1

16

0

7

64

,5

16

0

6

66

,8

16

0

5

56

,8

16

0

4

63

,3

16

0

3

58

,9

16

0

2

57

,9

16

0

1

P

oid

s T

ail

le

O

bse

rva

tion

s

3. R

elat

ion

sto

chas

tiq

ue

Co

mm

en

tair

es

:

P

lusi

eurs

Y p

ou

r u

ne

mêm

e va

leu

r d

e X

.

Mo

dèl

e li

néa

ire

dét

erm

inis

te i

nad

équ

at.

C

epen

dan

t Y

au

gm

ente

qu

and

X a

ug

men

te.

Mo

dèl

e li

néa

ire

sto

chas

tiq

ue

envi

sage

able

.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

15

3. R

elat

ion

sto

chas

tiq

ue

fin

itio

n d

u m

od

èle

lin

éa

ire

sto

cha

stiq

ue

:

: m

oye

nn

e d

e Y

mes

uré

e su

r to

us

les

ind

ivid

us

po

ur

lesq

uel

s X

vau

t x.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

16

xx

Y1

0)

(b

b

)(x

Y

Page 5: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

3. R

elat

ion

sto

chas

tiq

ue

Re

ma

rqu

es

:

C

om

me ε,

μY

(x)

n’e

st n

i o

bse

rvab

le,

ni

calc

ula

ble

.

P

ou

r ca

lcu

ler μ

Y (

x),

il f

aud

rait

rec

ense

r to

us

les

ind

ivid

us

de

la p

op

ula

tio

n.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

17

3. R

elat

ion

sto

chas

tiq

ue

Da

ns

la p

rati

qu

e :

No

us

esti

mo

ns

la m

oye

nn

e th

éori

qu

e μ

Y (

x) p

ar l

a

mo

yen

ne

emp

iriq

ue

de

Y d

éfin

ie p

ar :

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

18

n i

in

xy

nx

y1

)(

1)

(

3. R

elat

ion

sto

chas

tiq

ue

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

19

0

10

20

30

40

50

60

70

80

90

155

160

165

170

175

180

185

190

195

Ta

ille

Poids moyen

Ret

ou

r à

l’exem

ple

:

77

,28

1

90

71

,58

18

5

71

,76

1

80

69

,29

1

75

68

,34

1

70

66

,16

1

65

61

,39

1

60

Poid

s T

ail

le

3. R

elat

ion

sto

chas

tiq

ue

La

dro

ite

qu

e n

ou

s ve

no

ns

de

trac

er s

’ap

pel

le :

la d

roit

e d

e r

ég

ress

ion

.

X e

t Y

ne

jou

ent

pas

un

le i

den

tiq

ue.

X e

xpli

qu

e Y

X

est

un

e va

riab

le i

nd

épen

dan

te

(ou

exp

lica

tive

) et

Y e

st u

ne

vari

able

dép

end

ante

(o

u e

xpli

qu

ée).

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

20

Page 6: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

3. R

elat

ion

sto

chas

tiq

ue

En

an

alys

e d

e ré

gre

ssio

n l

inéa

ire

:

x i e

st f

ixé

y i e

st a

léat

oir

e

la c

om

po

san

te a

léat

oir

e d

’un

yi e

st l

e ε i

corr

esp

on

dan

t.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

21

3. R

elat

ion

sto

chas

tiq

ue

Po

ur

l’in

stan

t, l

a d

roit

e d

e ré

gre

ssio

n e

st i

nco

nn

ue.

To

ut

le p

rob

lèm

e es

t d

’est

imer

β0

et β

1 à

par

tir

d’u

n

éch

anti

llo

n d

e d

on

née

s.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

22

3. R

elat

ion

sto

chas

tiq

ue

Ch

oix

de

s p

ara

tre

s :

dro

ite

qu

i ap

pro

che

le

mie

ux

les

do

nn

ées

intr

od

uct

ion

de

e

t q

ui

son

t d

es

esti

mat

eurs

de β

0 e

t d

e β

1.

L’e

stim

atio

n d

e la

dro

ite

de

rég

ress

ion

:

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

23

0b

1b

xx

y1

ˆ)

(ˆb

b

3. R

elat

ion

sto

chas

tiq

ue

Re

ma

rqu

es

:

est

un

est

imat

eur

de μ

Y(x

)

S

i le

mo

dèl

e es

t b

on

,

e

st p

lus

pré

cis

qu

e

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

24

n i

in

xy

nx

y1

)(

1)

(

)(ˆx

y

)(ˆx

y

Page 7: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

3. R

elat

ion

sto

chas

tiq

ue

Lo

rsq

ue

x =

xi,

alo

rs

,

c’e

st-à

-dir

e :

es

t ap

pel

ée l

a va

leu

r es

tim

ée p

ar l

e m

od

èle.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

25

iy

ii

yx

)(ˆ

ii

xy

10

ˆˆ

ˆb

b

3. R

elat

ion

sto

chas

tiq

ue

Ces

val

eurs

est

imen

t le

s q

uan

tité

s in

ob

serv

able

s :

par

les

qu

anti

tés

ob

serv

able

s :

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

26

ii

iy

ye

ˆ

ii

ix

y1

0b

b

3. R

elat

ion

sto

chas

tiq

ue

C

es q

uan

tité

s e i

= l

es r

ésid

us

du

mo

dèl

e.

L

a p

lup

art

des

mét

ho

des

d’e

stim

atio

n :

est

imer

la

dro

ite

de

rég

ress

ion

par

un

e d

roit

e q

ui

min

imis

e u

ne

fon

ctio

n d

e ré

sid

us.

L

a p

lus

con

nu

e :

la m

éth

od

e d

es m

oin

dre

s ca

rrés

o

rdin

aire

s.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

27

4. M

éth

od

e d

es m

oin

dre

s ca

rrés

o

rdin

aire

s

n i

ii

n i

ii

n i

i

xy

yy

e

1

2

10

1

2

1

2

ˆ(

(

bb

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

28

tho

de

: D

éfin

ir d

es e

stim

ateu

rs q

ui

min

imis

ent

la s

om

me

des

car

rés

des

rés

idu

s

Page 8: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

Les

est

imat

eurs

so

nt

do

nc

les

coo

rdo

nn

ées

du

min

imu

m d

e la

fo

nct

ion

à d

eux

vari

able

s :

Cet

te f

on

ctio

n e

st a

pp

elée

la

fon

ctio

n o

bje

ctif

.

4. M

éth

od

e d

es m

oin

dre

s ca

rrés

o

rdin

aire

s

2

10

1

10

)(

),

(i

n i

ix

yf

zb

bb

b

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

29

4. M

éth

od

e d

es m

oin

dre

s ca

rrés

o

rdin

aire

s

)(

21

0

0

ii

xy

zb

bb

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

30

Les

est

imat

eurs

co

rres

po

nd

ent

aux

vale

urs

an

nu

lan

t

les

dér

ivée

s p

arti

elle

s d

e ce

tte

fon

ctio

n :

)(

21

0

1

ii

ix

yx

zb

bb

4. M

éth

od

e d

es m

oin

dre

s ca

rrés

o

rdin

aire

s

0)

(2

10

i

ix

yb

b

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

31

Les

est

imat

eurs

so

nt

les

solu

tio

ns

du

sys

tèm

e :

So

ien

t :

0)

(2

10

i

ii

xy

xb

b

2

10

ˆˆ

)2.

4(i

ii

ix

xy

xb

b

ii

xn

y1

ˆ

)1.4(

bb

4. M

éth

od

e d

es m

oin

dre

s ca

rrés

o

rdin

aire

s

No

us

no

ton

s :

n

yy

n

xx

i

n

i

n

et

nn

xy

10

ˆˆ

bb

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-

Bert

rand -

M1 2011/2

012

32

D’a

prè

s (4

.1),

no

us

avo

ns

:

Page 9: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

4. M

éth

od

e d

es m

oin

dre

s ca

rrés

o

rdin

aire

s

A p

arti

r d

e (4

.2),

no

us

avo

ns

:

2

1

0

2

1

)(

ˆ

ˆˆ

nn

ni

i

ni

ii

xn

yx

ny

x

xn

yx

x

b

bb

22

1)

ni

nn

ii

xn

x

yx

ny

x

b

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-

Bert

rand -

M1 2011/2

012

33

Ain

si n

ou

s o

bte

no

ns

:

4. M

éth

od

e d

es m

oin

dre

s ca

rrés

o

rdin

aire

s

Co

mm

e n

ou

s av

on

s :

22

2)

()

(

))(

(

ni

ni

nn

ii

ni

ni

xn

xx

x

yx

ny

xy

yx

x

2

1)

(

))(

ni

ni

ni

xx

yy

xx

b

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-

Bert

rand -

M1 2011/2

012

34

Ain

si n

ou

s o

bte

no

ns

:

4. M

éth

od

e d

es m

oin

dre

s ca

rrés

o

rdin

aire

s

Da

ns

la p

rati

qu

e,

no

us

calc

ulo

ns

xx

y1

ˆ)

(ˆb

b

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-

Bert

rand -

M1 2011/2

012

35

01

ˆ

puis

ˆ

bb

No

us

ob

ten

on

s u

ne

esti

mat

ion

de

la d

roit

e d

e

rég

ress

ion

, ap

pel

ée l

a d

roit

e d

es

mo

ind

res

ca

rré

s o

rdin

air

es

:

4. M

éth

od

e d

es m

oin

dre

s ca

rrés

o

rdin

aire

s

Co

eff

icie

nts

de

la

dro

ite

de

mo

ind

res

carr

és

:

pen

te=

0,4

42

; ord

on

née

à l

’ori

gin

e=-8

,012

0

10

20

30

40

50

60

70

80

90

15

51

60

16

51

70

17

51

80

18

51

90

19

5

Poids moyen T

ail

le

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-

Bert

rand -

M1 2011/2

012

36

Page 10: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

5. V

aria

tio

n e

xpliq

uée

et

inex

pliq

uée

Bu

t d

’un

mo

le d

e r

ég

ress

ion

lin

éa

ire

:

exp

liq

uer

un

e p

arti

e d

e la

var

iati

on

de

la v

aria

ble

exp

liq

uée

Y.

La

vari

atio

n d

e Y

vie

nt

du

fai

t d

e sa

dép

end

ance

à l

a

vari

able

exp

lica

tive

X.

Va

ria

tio

n e

xp

liq

e p

ar

le m

od

èle

.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

37

5. V

aria

tio

n e

xpliq

uée

et

inex

pliq

uée

Dan

s l’e

xe

mp

le «

ta

ille

-po

ids

»,

no

us

avo

ns

rem

arq

qu

e lo

rsq

ue

no

us

mes

uro

ns

Y a

vec

un

e m

ême

vale

ur

de

X,

no

us

ob

serv

on

s u

ne

cert

ain

e va

riat

ion

su

r Y

.

Va

ria

tio

n i

ne

xp

liq

e p

ar

le m

od

èle

.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

38

5. V

aria

tio

n e

xpliq

uée

et

inex

pliq

uée

Va

ria

tio

n t

ota

le d

e Y

= V

aria

tio

n e

xpli

qu

ée p

ar l

e m

od

èle

+

Var

iati

on

in

exp

liq

uée

par

le

mo

dèl

e

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

39

5. V

aria

tio

n e

xpliq

uée

et

inex

pliq

uée

ny

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

40

Po

ur

me

sure

r la

va

ria

tio

n d

e Y

: n

ou

s in

tro

du

iso

ns

()

ˆ(

)(

ii

ni

ni

yy

yy

yy

Dif

fére

nc

e e

xp

liq

e

pa

r le

mo

le

Dif

fére

nc

e in

ex

pliq

e p

ar

le m

od

èle

ou

sid

u d

u

mo

le

Page 11: oduction - unistra.frirma.math.unistra.fr/.../Master1_2012_2/4pages_Cours1.pdfM1 1/2012 35 0 1 Ö s Ö E E de ession es: es és es: Ë-8,012 0 90 80 70 60 50 40 30 20 160 165 170 175

5. V

aria

tio

n e

xpliq

uée

et

inex

pliq

uée

22

2)

ˆ(

()

(i

in

in

iy

yy

yy

y

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

41

Po

urq

uo

i la

tho

de

de

s m

oin

dre

s ca

rré

s ?

U

n p

rop

riét

é re

mar

qu

able

: e

lle

con

serv

e u

ne

tell

e d

éco

mp

osi

tio

n e

n c

on

sid

éran

t la

so

mm

e d

es c

arré

s d

e ce

s d

iffé

ren

ces

:

5. V

aria

tio

n e

xpliq

uée

et

inex

pliq

uée

22

2)

ˆ(

()

(i

in

in

iy

yy

yy

y

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

42

So

mm

e d

es

ca

rré

s t

ota

le

(SC

tot)

So

mm

e d

es

ca

rré

s d

ue

à l

a

rég

res

sio

n

(SC

reg)

So

mm

e d

es

ca

rré

s d

es

rés

idu

s

(SC

res)

5. V

aria

tio

n e

xpliq

uée

et

inex

pliq

uée

Mes

ure

du

po

urc

enta

ge d

e la

var

iati

on

to

tale

exp

liq

uée

par

le

mo

dèl

e :

Intr

od

uct

ion

d’u

n c

oe

ffic

ien

t d

e d

éte

rmin

ati

on

tot

RSC

SC

tota

leV

aria

tion

exp

liquée

Var

iati

on

reg

2

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-

Bert

rand -

M1 2011/2

012

43

5. V

aria

tio

n e

xpliq

uée

et

inex

pliq

uée

Qu

elq

ue

s re

ma

rqu

es

:

R

2 es

t co

mp

ris

entr

e 0

et

1.

R

2 =

1 : c

as o

ù l

es d

on

née

s so

nt

par

fait

emen

t al

ign

ées

(co

mm

e c’

est

le c

as p

ou

r u

n m

od

èle

dét

erm

inis

te).

R

2 =

0 :

cas

la

vari

atio

n d

e Y

n’e

st p

as d

ue

à la

va

riat

ion

de

X.

Les

do

nn

ées

ne

son

t p

as d

u t

ou

t al

ign

ées.

P

lus

R2

est

pro

che

de

1, p

lus

les

do

nn

ées

son

t al

ign

ées

sur

la d

roit

e d

e ré

gre

ssio

n.

Fré

déric B

ert

rand e

t M

yri

am

Maum

y-B

ert

rand -

M1

2011/2

012

44