Universit Laval e Facult des sciences et de gnie e e Dpartement de mathmatiques et de statistique e e

STT-2902 Automne 2011 Emmanuelle Reny-Nolin

Corrig - Srie 3 e e Rgression linaire simple e e Exercice 1 a)

b) Voir d). c)
i) mthode des moindres carrs : y = 1.95827 + 0.000101x e e ii) mthode mdiane-mdiane : y = 2.03422 + 0.000125x e e e iii) mod`le quadratique : y = 2.59311 + 0, 000183x (1.67 1010 )x2 e

d)

e)

Normalit mise en doute et variance croissante. e

Universit Laval e Facult des sciences et de gnie e e Dpartement de mathmatiques et de statistique e e

STT-2902 Automne 2011 Emmanuelle Reny-Nolin

f)

Intervalle de conance ` 99% pour 1 : [0.000046; 0.000156] a g)

population prvue : 12.0321 e marge derreur de lintervalle de conance a 95% pour la moyenne : 6.95 ` marge derreur de lintervalle de prdiction : 34.51. e h) Pour estimer la densit de population moyenne en Europe : e
i) en calculant la densit de chaque pays, puis en faisant la moyenne de ces 27 densits : e e 0.000166 ii) en calculant la population totale des 27 pays, et en la divisant par la supercie totale des 27 pays : 489/4 329 290 = 0, 000113 iii) en estimant la pente de la droite de rgression aux moindres carrs : 0, 000101 e e

Universit Laval e Facult des sciences et de gnie e e Dpartement de mathmatiques et de statistique e e

STT-2902 Automne 2011 Emmanuelle Reny-Nolin

Exercice 2 a)
n

Sxy = = =

(xi x)(yi y)
i=1 n

(xi yi xi y yi x + xy)
i=1 n n n

xi y i y
i=1 n i=1 i=1 n

xi x
i=1

yi + nxy

= =
i=1

xi yi y(nx) x(ny) + nxy xi yi nx y

b)

n n n S = 0 si xi y i = 0 xi + 1 x2 i 1 i=1 i=1 i=1 En remplaant 0 par 0 = y 1 x, on obtient : c n n

xi y i y
i=1 n i=1 i=1

xi = 1 (
n i=1

x2 x i

xi )
i=1

i=1

xi yi nxy = 1 (

x2 nx2 ) i

SXY c) 1 = SXX
n

d) Sxy =
n

(xi x)(yi y)
i=1 n

=
n

(xi x)yi
i=1

(xi x)y
i=1 n

=
n

(xi x)yi y
i=1

(xi x)
i=1

(xi x)yi y(0)

i=1 n

SXY e) 1 = = SXX

(xi x)yi
i=1 n

(xi x)2
i=1

La principale consquence de cet tat de fait est que 1 suit une loi normale lorsquon e e suppose que les Yi suivent une loi normale.

Universit Laval e Facult des sciences et de gnie e e Dpartement de mathmatiques et de statistique e e

STT-2902 Automne 2011 Emmanuelle Reny-Nolin

Exercice 3 Mod`le e Mod`le e Mod`le e Mod`le e 1 2 3 4 : : : : Longvit e e en fonction de Gestation Longvit e e en fonction de ln(Gestation) ln(Longvit) en fonction de Gestation e e ln(Longvit) en fonction de ln(Gestation) e e

a) Selon les quatre graphiques des rsidus en fonction de la variable explicative de chaque e mod`le, le mod`le 4 est clairement celui qui prsente la meilleure relation linaire, et e e e e la variance semble a peu pr`s constante pour toutes les valeurs de x. Il faudrait tracer ` e lhistogramme des rsidus dans chaque pour vrier si la loi normale appara comme e e t un bon mod`le. e
Rsidusdumodle1enfonctiondex
30 25 20 15 Rsidus 10
Rsidus 30 25 20 15 10 5 0 5 10 2,00 2,50 3,00 3,50 4,00 4,50 5,00 5,50 6,00 6,50 7,00

Rsidusdumodle2enfonctiondeln(x)

5 0 0 5 10 15 x 100 200 300 400 500 600 700

15

ln(x)

Rsidusdumodle3enfonctiondex
1,5 1 0,5
0,5 Rsidus 1,5 1

Rsidusdumodle4enfonctiondeln(x)

0 Rsidus 0 0,5 1 1,5 100 200 300 400 500 600 700

0 2,00 0,5 2,50 3,00 3,50 4,00 4,50 5,00 5,50 6,00 6,50 7,00

2 2,5 x
1,5 ln(x)

b) Coecient de dtermination multiple r e Coecient de dtermination R 2 e R2 correspond au coecient de corrlation e en rgression linaire simple e e SSE SSR 1 = = r2 SST SST 1 SSE/(n 2) M SE =1 2 SST /(n 1) Sy

Coecient de dtermination R 2 e

2 Rajuste

Universit Laval e Facult des sciences et de gnie e e Dpartement de mathmatiques et de statistique e e

STT-2902 Automne 2011 Emmanuelle Reny-Nolin

c) Mod`le e Mod`le e Mod`le e Mod`le e 1 2 3 4 : Y : Y : ln(Y) : ln(Y) en en en en fonction fonction fonction fonction de X de ln(X) de X de ln(X) R2 R2 R2 R2 = 0.3275 = 0.3925 = 0.3535 = 0.5883

Le mod`le 4 est encore privilgi, car cest celui pour lequel la proportion de variabilit e e e e explique par le mod`le est la plus grande. e e d) 2 = M SE = 0.2 e e e) moyenne des rsidus =3.47 1016 0 et cart-type des rsidus = 0.4413. e On aurait pu trouver ces valeurs sans utiliser la liste des rsidus, car la moyenne des e carts est toujours 0, et la variance chantillonnale des rsidus correspond ` une petite e e e a transformation du M SE, soit
n

(ei e)2 (n 1) =

([yi yi ] 0)2 (n 1) =

i=1

i=1

(n 2)M SE (n 1)

f) Les rsidus normaliss sont ce que nous avons appel les z-scores. On peut dduire e e e e dduire des z-scores que les rsidus les plus extrmes sont a 2,436 et 2,285 carts-types e e e ` e de la droite et que les 37 autres sont ` moins de 1.74 cart-type de la droite. Il ny a a e donc pas lieu de craindre un eet de valeurs extrmes. e