Académique Documents
Professionnel Documents
Culture Documents
Master de Statistique
Anne 2012/2013
Premier Semestre
Rgression linaire
Arnaud Guyader
Ce cours est tir des quatre premiers chapitres du livre de Pierre-Andr Cornillon et Eric MatznerLber, Rgression avec R, paru chez Springer en 2010.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
2
2
3
4
7
8
9
9
10
11
11
12
13
15
16
16
22
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
29
30
31
31
33
35
36
37
38
38
42
3 Le modle gaussien
3.1 Estimateurs du Maximum de Vraisemblance
3.2 Lois des estimateurs . . . . . . . . . . . . .
3.2.1 Quelques rappels . . . . . . . . . . .
3.2.2 Nouvelles proprits . . . . . . . . .
3.2.3 Intervalles et rgions de confiance . .
3.2.4 Prvision . . . . . . . . . . . . . . .
3.3 Tests dhypothses . . . . . . . . . . . . . .
3.3.1 Introduction . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
49
49
50
50
51
53
54
55
55
ii
3.4
3.5
3.6
3.7
4 Validation du modle
4.1 Analyse des rsidus . . . . . . . . . . . . .
4.1.1 Rsidus et valeurs aberrantes . . .
4.1.2 Analyse de la normalit . . . . . .
4.1.3 Analyse de lhomoscdasticit . . .
4.1.4 Analyse de la structure des rsidus
4.2 Analyse de la matrice de projection . . . .
4.3 Autres mesures diagnostiques . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
56
60
60
60
62
62
63
74
.
.
.
.
.
.
.
81
81
81
85
85
85
88
90
A Annales
B Rappels dalgbre
B.1 Quelques dfinitions . . . . . . . . . . . .
B.2 Quelques proprits . . . . . . . . . . . . .
B.2.1 Les matrices n p . . . . . . . . .
B.2.2 Les matrices carres n n . . . . .
B.2.3 Les matrices symtriques . . . . .
B.2.4 Les matrices semi-dfinies positives
B.3 Proprits des inverses . . . . . . . . . . .
B.4 Proprits des projections . . . . . . . . .
B.4.1 Gnralits . . . . . . . . . . . . .
B.4.2 Exemple de projection orthogonale
B.4.3 Trace et lments courants . . . . .
B.5 Drivation matricielle . . . . . . . . . . . .
C Rappels de probabilit
C.1 Gnralits . . . . . . . . . . . . . . . . .
C.2 Vecteurs alatoires gaussiens . . . . . . . .
C.3 Tables des lois usuelles . . . . . . . . . . .
C.3.1 Loi Normale X N (0, 1) . . . . .
C.3.2 Loi de Student X T . . . . . . .
C.3.3 Loi du Khi-deux ddl X 2 .
C.3.4 Loi de Fisher 1 , 2 ddl X F21
93
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
131
131
131
131
131
132
132
132
133
133
133
133
134
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
135
135
135
137
137
138
139
140
D Quelques donnes
141
Bibliographie
143
Rgression
Chapitre 1
23.8
115.4
16.3
76.8
27.2
113.8
7.1
81.6
25.1
115.4
27.5
125
19.4
83.6
19.8
75.2
32.2
136.8
20.7
102.8
O3
80
90
10
15
20
T12
25
30
Pour analyser la relation entre les xi (temprature) et les yi (ozone), nous allons chercher une
fonction f telle que :
yi f (xi ).
Pour prciser le sens de , il faut se donner un critre quantifiant la qualit de lajustement de la
fonction f aux donnes. Il conviendra aussi de se donner une classe de fonctions F dans laquelle
est suppose vivre la vraie fonction inconnue.
n
X
i=1
o n reprsente le nombre de donnes disponibles (taille de lchantillon) et L(.) est appele fonction
de cot ou fonction de perte (Loss en anglais).
1.1
Modlisation
Dans de nombreuses situations, en premire approche, une ide naturelle est de supposer que la
variable expliquer y est une fonction affine de la variable explicative x, cest--dire de chercher
f dans lensemble F des fonctions affines de R dans R. Cest le principe de la rgression linaire
simple. On suppose dans la suite disposer dun chantillon de n points (xi , yi ) du plan.
Dfinition 1.1 (Modle de rgression linaire simple)
Un modle de rgression linaire simple est dfini par une quation de la forme :
i {1, . . . , n}
yi = 1 + 2 xi + i
Les quantits i viennent du fait que les points ne sont jamais parfaitement aligns sur une droite.
On les appelle les erreurs (ou bruits) et elles sont supposes alatoires. Pour pouvoir dire des choses
pertinentes sur ce modle, il faut nanmoins imposer des hypothses les concernant. Voici celles
que nous ferons dans un premier temps :
(H1 ) : E[i ] = 0 pour tout indice i
(H)
(H2 ) : Cov(i , j ) = ij 2 pour tout couple (i, j)
Les erreurs sont donc supposes centres, de mme variance (homoscdasticit) et non corrles
entre elles (ij est le symbole de Kronecker, i.e. ij = 1 si i = j, ij = 0 si i 6= j). Notons que le
modle de rgression linaire simple de la dfinition 1.1 peut encore scrire de faon vectorielle :
Y = 1 1 + 2 X + ,
o :
le vecteur Y = [y1 , . . . , yn ] est alatoire de dimension n,
le vecteur 1 = [1, . . . , 1] est le vecteur de Rn dont les n composantes valent toutes 1,
le vecteur X = [x1 , . . . , xn ] est un vecteur de dimension n donn (non alatoire),
les coefficients 1 et 2 sont les paramtres inconnus (mais non alatoires !) du modle,
le vecteur = [1 , . . . , n ] est alatoire de dimension n.
Cette notation vectorielle sera commode notamment pour linterprtation gomtrique du problme. Nous y reviendrons en Section 1.3 et elle sera dusage constant en rgression linaire multiple, cest pourquoi il convient dores et dj de sy habituer.
1.2
Les points (x
Pi , yi ) tant donns, le but est maintenant de trouver une fonction affine f telle que
la quantit ni=1 L(yi f (xi )) soit minimale. Pour pouvoir dterminer f , encore faut-il prciser la
fonction de cot L. Deux fonctions sont classiquement utilises :
le cot absolu L(u) = |u| ;
Arnaud Guyader - Rennes 2
Rgression
n
X
(yi 1 2 xi )2 .
i=1
Autrement dit, la droite des moindres carrs minimise la somme des carrs des distances verticales
des points (xi , yi ) du nuage la droite ajuste y = 1 + 2 x.
1.2.1
La fonction de deux variables S est une fonction quadratique et sa minimisation ne pose aucun
problme, comme nous allons le voir maintenant.
1 et
2 )
Proposition 1.1 (Estimateurs
Les estimateurs des MCO ont pour expressions :
1 = y 2 x
,
avec :
2 =
Pn
Pn
(xi x
)yi
(xi x
)(yi y)
i=1
Pn
= Pi=1
.
n
2
)
)2
i=1 (xi x
i=1 (xi x
Preuves. La premire mthode consiste remarquer que la fonction S(1 , 2 ) est strictement
convexe, donc quelle admet un minimum en un unique point (1 , 2 ), lequel est dtermin en
annulant les drives partielles de S. On obtient les quations normales :
n
X
(yi 1 2 xi ) = 0
1 = 2
i=1
n
X
xi (yi 1 2 xi ) = 0
2 = 2
i=1
1 n + 2
n
X
xi =
n
X
yi
i=1
i=1
(1.1)
o x
et y sont comme dhabitude les moyennes empiriques des xi et des yi . La seconde quation
donne :
1
n
X
i=1
Rgression
xi + 2
n
X
i=1
x2i
n
X
xi y i
i=1
x
y
x
(y
)
i
i
i
i
i
=P
.
2 = P 2 P
=P
xi (xi x
)
(xi x
)(xi x
)
xi xi x
(1.2)
La seconde mthode consiste appliquer la technique de Gauss de rduction des formes quadratiques, cest--dire dcomposer S(1 , 2 ) en somme de carrs, carrs quil ne restera plus qu
annuler pour obtenir les estimateurs 1 et 2 . Dans notre cas, aprs calculs, ceci scrit :
!
Pn
n
X
(xi x
)(yi y) 2
2
2
i=1
Pn
(xi x
)
2
S(1 , 2 ) =n (1 (
y 2 x
)) +
)2
i=1 (xi x
i=1
!
!
P
n
X
( ni=1 (xi x
)(yi y))2
2
P
1 Pn
(yi y)
+
,
)2 ni=1 (yi y)2
i=1 (xi x
i=1
2 = 2 + P
.
(xi x
)2
(1.3)
Si cette dcomposition nest pas intressante pour le calcul effectif de 2 puisquelle fait
intervenir les quantits inconnues 2 et i , elle lest par contre pour dmontrer des proprits
thoriques des estimateurs (biais et variance). Son avantage est en effet de mettre en exergue
la seule source dala du modle, savoir les erreurs i .
Avant de poursuivre, notons que le calcul des estimateurs des moindres carrs est purement dterministe : il ne fait en rien appel aux hypothses (H1 ) et (H2 ) sur le modle. Celles-ci vont en fait
servir dans la suite expliciter les proprits statistiques de ces estimateurs.
1.2.2
Sous les seules hypothses (H1 ) et (H2 ) de centrages, dcorrlations et homoscdasticits des erreurs i du modle, on peut dj donner certaines proprits des estimateurs 1 et 2 des moindres
carrs.
Rgression
2 = 2 + P
.
(xi x
)2
Dans cette expression, seuls les bruits i sont alatoires, et puisquils sont centrs, on en dduit
bien que E[2 ] = 2 . Pour 1 , on part de lexpression :
1 = y 2 x
,
do lon tire :
1
2
i
Var(1 ) = P
+P
=
(xi x
)2
n (xi x
)2
n
&
Var(2 ) = P
2
,
(xi x
)2
2x
Cov(1 , 2 ) = P
.
(xi x
)2
,
2 = 2 + P
(xi x
)2
or les erreurs i sont dcorrles et de mme variance 2 donc la variance de la somme est la somme
des variances :
P
2
(xi x
)2 2
P
=
Var(2 ) = P
.
( (xi x
)2 )2
(xi x
)2
Par ailleurs, la covariance entre y et 2 scrit :
P
P
P
2 (xi x
)
yi
(xi x
)i
= P
Cov(
y , 2 ) = Cov
, P
= 0,
2
(xi x
)
n
n (xi x
)2
2 x
=
+P
Var(1 ) = Var
2
xCov(
y , 2 ),
n
n
(xi x
)2
cest--dire :
P
2 x2i
2
x
2 2
= P
Var(1 ) =
+P
.
(xi x
)2
n
n (xi x
)2
Cov(1 , 2 ) = Cov(
y 2 x
, 2 ) = Cov(
y , 2 ) x
Var(2 ) = P
Rgression
2x
.
(xi x
)2
prcision est gnralement en 1/ n. Ceci ne saute pas aux yeux si lon considre par exemple
lexpression obtenue pour la variance de 2 :
Var(2 ) = P
2
.
(xi x
)2
Pour comprendre que tout se passe comme dhabitude, il suffit de considrer que les xi
sont eux-mmes alatoires, avec cart-type x . Dans ce cas trs gnral, le dnominateur est
dordre nx2 et lon retrouve bien une variance en 1/n.
Les estimateurs des moindres carrs sont en fait optimaux en un certain sens, cest ce que prcise
le rsultat suivant.
Thorme 1.3 (Gauss-Markov)
Parmi les estimateurs sans biais linaires en y, les estimateurs j sont de variances minimales.
P
P
Preuve. Lestimateur des MCO scrit 2 = ni=1 pi yi , avec pi = (xi x
)/ (xi x
)2 . Considrons
n
X
i y i .
i=1
P
i = 0 et
i xi = 1. Lgalit
X
X
X
X
X
i x i +
i E(i ) = 1
i x i
i + 2
i + 2
E(2 ) = 1
est vraie
P pour tout
P 2 . Lestimateur 2 est sans biais donc E(2 ) = 2 pour tout 2 , cest--dire
que
i = 0 et
i xi = 1. Montrons que Var(2 ) Var(2 ) :
Var(2 ) = Var(2 2 + 2 ) = Var(2 2 ) + Var(2 ) + 2Cov(2 2 , 2 ).
Or :
P
2 i (xi x
)
2
P
P
Cov(2 2 , 2 ) = Cov(2 , 2 ) Var(2 ) =
= 0,
(xi x
)2
(xi x
)2
P
P
la dernire galit tant due aux deux relations
i = 0 et
i xi = 1. Ainsi :
Var(2 ) = Var(2 2 ) + Var(2 ).
Var(2 ) Var(2 ).
Remarque. Comme nous le verrons au chapitre suivant, on peut en fait montrer un peu mieux :
au sens de la relation dordre sur les matrices symtriques relles, la matrice de covariance de
= [1 , 2 ] est infrieure celle de nimporte quel autre estimateur = [1 , 2 ] sans biais et
linaire en y.
Arnaud Guyader - Rennes 2
Rgression
50
O3
100
150
1.2.3
10
15
T12
20
25
xi
30
35
(1.4)
Notons maintenant que les variances et covariance des estimateurs 1 et 2 tablies en section
prcdente ne sont pas pratiques car elles font intervenir la variance 2 des erreurs, laquelle est en
gnral inconnue. Nanmoins, on peut en donner un estimateur sans biais grce aux rsidus.
Thorme 1.4 (Estimateur
non biais de 2 )
P
n
La statistique
2 = i=1 2i /(n 2) est un estimateur sans biais de 2 .
= y 2 x
+ 2 xi + i y + 2 x
2 xi
= (2 2 )(xi x
) + (i ).
2 = 2 + P
,
(xi x
)2
nous avons :
X
X
X
X
)2 + (i )2 + 2(2 2 ) (xi x
)(i )
2i = (2 2 )2 (xi x
X
X
X
(xi x
)2 .
(xi x
)2 +
(i )2 2(2 2 )2
= (2 2 )2
Prenons-en lesprance :
X
X
X
E
i 2 = E
(i )2
(xi x
)2 Var(2 ) = (n 2) 2 .
1.2.4
Prvision
Un des buts de la rgression est de faire de la prvision, cest--dire de prvoir la variable expliquer
y en prsence dune nouvelle valeur de la variable explicative x. Soit donc xn+1 une nouvelle valeur,
pour laquelle nous voulons prdire yn+1 . Le modle est toujours le mme :
yn+1 = 1 + 2 xn+1 + n+1
avec E[n+1 ] = 0, Var(n+1 ) = 2 et Cov(n+1 , i ) = 0 pour i = 1, . . . , n. Il est naturel de prdire
la valeur correspondante via le modle ajust :
yn+1 = 1 + 2 xn+1 .
Deux types derreurs vont entacher notre prvision : la premire est due la non-connaissance de
n+1 , la seconde lincertitude sur les estimateurs 1 et 2 .
Proposition 1.2 (Erreur de prvision)
Lerreur de prvision n+1 = (yn+1 yn+1 ) satisfait les proprits suivantes :
(
E[n+1 ] = 0
Var(
n+1 ) = 2 1 +
1
n
x)2
n+1
P(x
n
(x
x)2
i
i=1
Preuve. Pour lesprance, il suffit dutiliser le fait que n+1 est centre et que les estimateurs 1
et 2 sont sans biais :
(xi x
)2
n
P
(xi x
)2
2
2
2
+x
+ xn+1 2xn+1 x
= P
n
(xi x
)2
1 (xn+1 x
)2
2
=
+ P
.
n
(xi x
)2
Var(
n+1 ) =
)2
1 (xn+1 x
1+ + P
n
(xi x
)2
.
Ainsi la variance augmente lorsque xn+1 sloigne du centre de gravit du nuage. Autrement dit,
faire de la prvision lorsque xn+1 est loin de x
est prilleux, puisque la variance de lerreur de
prvision peut tre trs grande ! Ceci sexplique intuitivement par le fait que plus une observation
xn+1 est loigne de la moyenne x
et moins on a dinformation sur elle.
Arnaud Guyader - Rennes 2
Rgression
1.3
1.3.1
Interprtations gomtriques
Reprsentation des variables
Si nous abordons le problme dun point de vue vectoriel, nous avons deux vecteurs notre disposition : le vecteur X = [x1 , . . . , xn ] des n observations pour la variable explicative et le vecteur
Y = [y1 , . . . , yn ] des n observations pour la variable expliquer. Ces deux vecteurs appartiennent
au mme espace Rn : lespace des variables.
Si on ajoute cela le vecteur 1 = [1, . . . , 1] , on voit tout dabord que par lhypothse selon laquelle
tous les xi ne sont pas gaux, les vecteurs 1 et X ne sont pas colinaires : ils engendrent donc un
sous-espace de Rn de dimension 2, not M(X). On peut projeter orthogonalement le vecteur Y
sur le sous-espace M(X), notons provisoirement Y ce projet. Puisque (1, X) forme une base de
M(X), il existe une unique dcomposition de la forme Y = 1 1 + 2 X. Par dfinition du projet
orthogonal, Y est lunique vecteur de M(X) minimisant la distance euclidienne kY Y k, ce qui
revient au mme que de minimiser son carr. Or, par dfinition de la norme euclidienne, cette
quantit vaut :
n
X
(yi (1 + 2 xi ))2 ,
kY Y k2 =
i=1
ce qui nous ramne la mthode des moindres carrs ordinaires. On en dduit que 1 = 1 , 2 = 2
et Y = Y = [
y1 , . . . , yn ] , avec les expressions de 1 , 2 et Y vues prcdemment.
1 1
M(X)
2 X
y1
Autrement dit, dans Rn , 1 et 2 sinterprtent comme les coordonnes de la projection orthogonale Y de Y sur le sous-espace de Rn engendr par 1 et X (voir figure 1.3).
Remarques :
1. Cette vision gomtrique des choses peut sembler un peu abstraite, mais cest en fait lapproche fconde pour comprendre la rgression multiple, comme nous le verrons dans les
chapitres suivants.
2. Nous avons suppos que 1 et X ne sont pas colinaires. En gnral, ces vecteurs ne sont pas
orthogonaux (sauf si x
= 0), ce qui implique que 1 1 nest pas la projection orthogonale
de Y sur 1 (laquelle vaut y1), et que 2 X nest pas la projection orthogonale de Y sur X
(laquelle vaut hY,Xi
X).
kXk2
Rgression
10
1.3.2
Le coefficient de dtermination R2
1 , . . . , n ]
le vecteur des rsidus dj rencontrs en section 1.2.3. Le thorme de Pythagore donne alors
directement :
kY y1k2 = kY y1k2 + k
k2
n
n
n
X
X
X
2
2
2i
(
yi y) +
(yi y) =
i=1
i=1
SCT
i=1
= SCE + SCR,
o SCT (respectivement SCE et SCR) reprsente la somme des carrs totale (respectivement
explique par le modle et rsiduelle). Ceci peut se voir comme une formule typique de dcomposition de la variance. Elle permet en outre dintroduire le coefficient de dtermination de faon
naturelle.
Dfinition 1.3 (Coefficient de dtermination R2 )
Le coefficient de dtermination R2 est dfini par :
R2 =
kY y1k2
k
k2
SCR
SCE
=
=
1
=1
.
2
2
SCT
kY y1k
kY y1k
SCT
On voit sur la figure 1.3 que R2 correspond au cosinus carr de langle . De faon schmatique,
on peut diffrencier les cas suivants :
Si R2 = 1, le modle explique tout, langle vaut zro et Y est dans M(X), cest--dire que
yi = 1 + 2 xi pour tout i : les points de lchantillon sont parfaitement aligns sur la droite des
moindres carrs ;
P
Si R2 = 0, cela veut dire que (
yi y)2 = 0, donc yi = y pour tout i. Le modle de rgression
linaire est inadapt puisquon ne modlise rien de mieux que la moyenne ;
Si R2 est proche de zro, cela veut dire que Y est quasiment dans lorthogonal de M(X), le
modle de rgression linaire est inadapt, la variable x nexplique pas bien la variable rponse
y (du moins pas de faon affine).
De faon gnrale, linterprtation est la suivante : le modle de rgression linaire permet dexpliquer 100 R2 % de la variance totale des donnes.
Remarques :
1. On peut aussi voir R2 comme le carr du coefficient de corrlation empirique entre les xi et
les yi (cf. exercice 1.2) :
R2 =
Pn
(xi x
)(yi y)
pPn
pPn i=1
)2
)2
i=1 (xi x
i=1 (yi y
!2
= 2X,Y .
2. Sur la figure 1.3 est not un angle droit entre les vecteurs 1 et Y y1. On vrifie en effet
facilement que ces deux vecteurs sont orthogonaux puisque y1 nest rien dautre que le projet
orthogonal de Y sur (la droite vectorielle engendre par) le vecteur 1 (exercice).
Arnaud Guyader - Rennes 2
Rgression
1.4
11
Mieux que les expressions des estimateurs et celles de leurs variances, on aimerait connatre leurs
lois : ceci permettrait par exemple dobtenir des rgions de confiance et deffectuer des tests dhypothses. Dans cette optique, il faut bien entendu faire une hypothse plus forte sur notre modle,
savoir prciser la loi des erreurs. Nous supposerons ici que les erreurs sont gaussiennes. Les
hypothses (H1 ) et (H2 ) deviennent ds lors :
(H1 ) : i N (0, 2 )
(H)
(H2 ) : i mutuellement indpendants
i {1, . . . , n}
et les yi sont mutuellement indpendants puisque les i le sont. Nous pouvons donc calculer la
vraisemblance de lchantillon et les estimateurs qui maximisent cette vraisemblance. Cest lobjet
de la section suivante.
1.4.1
La vraisemblance vaut
"
n
n
1 X
L(1 , 2 , 2 ) =
(yi 1 2 xi )2
exp 2
2
2 2
i=1
n
1
1
=
exp 2 S(1 , 2 )
2
2 2
1
n
log L(1 , 2 , 2 ) = log (2 2 ) 2 S(1 , 2 ).
2
2
Nous voulons maximiser cette quantit par rapport aux trois variables (1 , 2 , 2 ). Les deux premires variables napparaissent que dans le terme en S(1 , 2 ), quil faut donc minimiser. Or on
a dj vu que cette quantit est minimale lorsquon considre les estimateurs des moindres carrs,
cest--dire pour 1 = 1 et 2 = 2 . Bilan : les estimateurs du maximum de vraisemblance de 1
et 2 sont gaux aux estimateurs des moindres carrs.
Ceci tant vu, il reste simplement maximiser log L(1 , 2 , 2 ) par rapport 2 . Calculons donc
la drive par rapport 2 :
n
X
log L(1 , 2 , 2 )
n
1
1 , 2 ) = n + 1
(yi 1 2 xi )2
=
+
S(
2
2 2 2 4
2 2 2 4
i=1
2 vu prcdemment et vaut :
n
mv
1X 2
=
i .
n
i=1
2 ]=
Lestimateur du maximum de vraisemblance de 2 est donc biais. On a en effet E[
mv
mais ce biais est dautant plus ngligeable que le nombre dobservations est grand.
n2 2
n ,
Avant de passer aux lois des estimateurs et aux intervalles de confiance qui sen dduisent, faisons
quelques rappels sur les lois usuelles dans ce contexte.
Rgression
12
1.4.2
Outre la sacro-sainte gaussienne, trois lois seront dusage constant dans la suite : la loi du 2 , la
loi de Student et la loi de Fisher.
Figure 1.4 Densit dun 250 (trait gras) et densit dune N (50, 100) (trait fin).
Dfinition 1.4 (Loi du 2 )
Soit X1 , . . . , XP
n des variables alatoires i.i.d. suivant une loi normale centre rduite. La loi de la
variable X = ni=1 Xi2 est appele loi du 2 n degrs de libert (ddl), not X 2n .
On a E[X] = n et Var(X) = 2n. Lorsque n est grand, on sait par le Thorme Central Limite que
X suit approximativement une loi normale de moyenne n et de variance 2n : X
2n). Ainsi,
N (n,
pour n grand, environ 95% des valeurs de X se situent dans lintervalle [n 2 2n, n + 2 2n]. Ceci
est illustr figure 3.1 pour n = 50 ddl.
Dfinition 1.5 (Loi de Student)
Soit Z une variable alatoire suivant une loi normale centre rduite et X une variable suivant une
loi du 2 n degrs de libert, avec Z et X indpendantes. La loi de la variable T = Z est
X/n
Figure 1.5 Densit dune T10 (trait gras) et densit dune N (0, 1) (trait fin).
Lorsque n = 1, T suit une loi de Cauchy et na donc pas desprance (ni, a fortiori, de variance).
n
.
Pour n = 2, T est centre mais de variance infinie. Pour n 3, T est centre et de variance n2
Arnaud Guyader - Rennes 2
Rgression
13
Dautre part, lorsque n devient grand, on sait par la Loi des Grands Nombres que le dnominateur
tend presque srement vers 1. De fait, on peut montrer que pour n grand, T tend en loi vers
une gaussienne centre rduite : T N (0, 1). Ceci est illustr figure 1.5 pour n = 10 ddl. Par
consquent, lorsque n sera grand, on pourra remplacer les quantiles dune loi de Student Tn par
ceux dune loi N (0, 1) (cf. tables en Annexe C.3).
Dfinition 1.6 (Loi de Fisher)
Soit U1 une variable alatoire suivant une loi du 2 n1 degrs de libert et U2 une variable
alatoire suivant une loi du 2 n2 degrs de libert, avec U1 et U2 indpendantes. La loi de la
1 /n1
n1
variable F = U
U2 /n2 est appele loi de Fisher (n1 , n2 ) degrs de libert et on note F Fn2 .
Pour n2 > 2, la variance dune loi de Fisher Fnn21 est n2 /(n2 2). Dans la suite, typiquement, n2
sera grand, de sorte qu nouveau la Loi des Grands Nombres implique que U2 /n2 tend vers 1.
Dans ce cas, F peut se voir comme un chi-deux normalis par son degr de libert : F 2n1 /n1 .
Ceci est illustr figure 1.6 pour n1 = 2 et n2 = 10.
1.4.3
22
2
(trait fin).
Nous allons maintenant voir comment les lois prcdentes interviennent dans nos estimateurs. Afin
de faciliter la lecture de cette partie, fixons les notations suivantes :
2 x
P
(xi x
)2
P 2
xi
2
P
=
n (xi x
)2
2
= P
(xi x
)2
c =
12
22
1 X 2
i
n2
P 2
xi
2
2
P
1 =
n (xi x
)2
2
22 = P
.
(xi x
)2
2 =
Comme nous lavons vu, 12 , 22 et c sont les variances et covariance des estimateurs des moindres
carrs ordinaires. les quantits
12 et
22 correspondent quant elles aux estimateurs des variances
de 1 et 2 .
Proprits 1.1 (Lois des estimateurs avec variance connue)
Les lois des estimateurs des MCO avec variance 2 connue sont :
Rgression
14
1
2
N , V
o =
1
V =P
(xi x
)2
1
2
P
et
x2i /n
x
x
1
1
= 2
12 c
c 22
(n 2) 2
(ii)
Remarque. Ces proprits, comme celles venir, ne sont pas plus faciles montrer dans le cadre
de la rgression linaire simple que dans celui de la rgression linaire multiple. Cest pourquoi
nous reportons les preuves au Chapitre 3.
Le problme des proprits ci-dessus vient de ce quelles font intervenir la variance thorique 2 ,
gnralement inconnue. La faon naturelle de procder est de la remplacer par son estimateur
2.
Les lois intervenant dans les estimateurs sen trouvent de fait lgrement modifies.
Proprits 1.2 (Lois des estimateurs avec variance estime)
Les lois des estimateurs des MCO avec variance
2 estime sont :
1 1
(i)
Tn2 , o Tn2 est une loi de Student (n 2) degrs de libert.
1
2 2
Tn2 .
(ii)
2
1
2
( ) V 1 ( ) Fn2
, loi de Fisher de paramtres (2, n 2).
(iii)
2
2
Ces dernires proprits nous permettent de donner des intervalles de confiance (IC) ou des rgions de confiance (RC) des estimateurs. En effet, la valeur ponctuelle dun estimateur est de peu
dintrt en gnral et il est intressant de lui associer un intervalle de confiance. Les rsultats sont
donns pour un gnral, en pratique on prend typiquement = 0, 05.
1
Figure 1.7 Comparaison entre ellipse de confiance et rectangle de confiance.
Rgression
15
)
+
2n
x
(
x
(
)
1
1
2
2
i
2
2
(n 2)
2
(n 2)
2
,
,
cn2 (1 /2) cn2 (/2)
1.4.4
Prvision
En matire de prvision dans le cas derreurs gaussiennes, les rsultats obtenus en section 1.2.4
pour lesprance et la variance sont toujours valables. De plus, puisque yn+1 est linaire en 1 , 2
et n+1 , on peut prciser sa loi :
)2
1 (xn+1 x
2
P
yn+1 yn+1 N 0, 1 + +
.
n
(xi x
)2
yn+1 yn+1
1+
1
n
(x
x)2
Pn+1
(xi
x)2
Tn2 ,
Nous retrouvons ainsi la remarque dj faite : plus le point prvoir admet pour abscisse xn+1
une valeur loigne de x
, plus lintervalle de confiance sera grand.
Plus prcisment, la courbe dcrite pas les limites de ces intervalles de confiance lorsque xn+1
varie est une hyperbole daxes x = x
et y = 1 + 2 x. Pour sen persuader, il suffit deffectuer le
changement de variables
X =xx
Y = y (1 + 2 x)
Rgression
16
)2
a = 1 + n1 (tn2 (1 /2)
b= 1+
1
n
P
(xi x
)2
ce qui dfinit bien lintrieur dune hyperbole. En particulier, le centre de cette hyperbole est tout
bonnement le centre de gravit du nuage de points.
1.5
Exemple
Nous allons traiter les 50 donnes journalires prsentes en Annexe D. La variable expliquer
est la concentration en ozone, note O3, et la variable explicative est la temprature midi, note
T12. Les donnes sont traites avec le logiciel R.
> a <- lm(O3 T12)
> summary(a)
Call:
lm(formula = O3 T12)
Residuals:
Min
-45.256
1Q
-15.326
Median
-3.461
3Q
17.634
Max
40.072
Estimate
31.4150
2.7010
Std. Error
13.0584
0.6266
t value
2.406
4.311
Pr(>|t|)
0.0200
8.04e-05
*
***
Coefficients :
(Intercept)
T12
1 et
2 , les statistiques de tests sous lhypothse H0 : i = 0. Nous rejetons H0 pour les deux
paramtres estims.
1.6
Exercices
Rgression
1.6. Exercices
17
A. Toujours ;
B. Jamais ;
C. Parfois.
3. Nous avons effectu une rgression simple, nous recevons une nouvelle observation xN et
nous calculons la prvision correspondante yN . La variance de la valeur prvue est minimale
lorsque
A. xN = 0 ;
B. xN = x
;
C. Aucun rapport.
4. Le vecteur Y est-il orthogonal au vecteur des rsidus estims ?
A. Toujours ;
B. Jamais ;
C. Parfois.
Exercice 1.2 (R2 et corrlation empirique)
Rappeler la formule dfinissant le coefficient de dtermination R2 et la dvelopper pour montrer
quil est gal au carr du coefficient de corrlation empirique entre x et y, not x,y , cest--dire
quon a :
!2
Pn
(xi x
)(yi y)
2
2
i=1
pPn
R = x,y = pPn
2
(x
)
)2
i
i=1
i=1 (yi y
Exercice 1.3 (Poids des pres et des fils)
Ltude statistique ci-dessous porte sur les poids respectifs des pres et de leur fil an.
Pre 65 63 67 64 68 62 70 66 68 67 69 71
Fils 68 66 68 65 69 66 68 65 71 67 68 70
Voici les rsultats numriques que nous avons obtenus :
12
X
pi = 800
12
X
p2i = 53418
i=1
i=1
12
X
pi fi = 54107
i=1
12
X
fi = 811
12
X
fi2 = 54849.
i=1
i=1
1. Calculez la droite des moindres carrs du poids des fils en fonction du poids des pres.
2. Calculez la droite des moindres carrs du poids des pres en fonction du poids des fils.
3. Montrer que le produit des pentes des deux droites est gal au carr du coefficient de corrlation empirique entre les pi et les fi (ou encore au coefficient de dtermination).
Exercice 1.4 (Hauteur dun arbre)
Nous souhaitons exprimer la hauteur y (en pieds) dun arbre dune essence donne en fonction
de son diamtre x (en pouces) 1m30 du sol. Pour ce faire, nous avons mesur 20 couples (diamtre,hauteur) et effectu les calculs suivants : x
= 4.53, y = 8.65 et
20
1 X
(xi x
)2 = 10.97
20
i=1
20
1 X
(yi y)2 = 2.24
20
i=1
20
1 X
(xi x
)(yi y) = 3.77
20
i=1
18
n
X
(xi x
) = 102924
i=1
n
X
(xi x
)(yi y) = 26466
i=1
hauteur
28
26
24
22
20
18
16
14
12
Circonfrence
10
20
30
40
50
60
70
80
Rgression
1.6. Exercices
19
n
X
(xi x
)2 = 1991
i=1
i=1
n
X
(xi x
)(yi y) = 195, 4
i=1
i = 1, , n,
1. En revenant la dfinition des moindres carrs, montrer que lestimateur des moindres carrs
de vaut
Pn
xi y i
= Pi=1
n
2 .
i=1 xi
2. Montrer que la droite passant par lorigine et le centre de gravit du nuage de points est
y = x, avec
Pn
yi
= Pni=1 .
i=1 xi
20
i=1
i=1
avec galit si et seulement si u et v sont colinaires. Grce cette ingalit, montrer que
sauf dans le cas o tous les xi sont gaux. Ce rsultat tait-il prvisible ?
V ( ) > V ()
xi = 0
i=1
100
X
x2i = 400
i=1
100
X
i=1
xi yi = 100
100
X
yi = 100
2 = 1.
i=1
Rgression
1.6. Exercices
21
800
400
600
prix
1000
50
60
70
80
90
100
110
120
superficie
Table 1.2 Prix en fonction de la superficie : rsultats de la rgression linaire simple (sortie R).
3. Daprs le tableau 1.2, est-ce que la superficie joue un rle sur le prix des appartements de
type 3 ? Considrez-vous ce rle comme important ?
4. Quelle est lestimation du coefficient (coefficient de la superficie dans le modle) ? Comment
interprtez-vous ce coefficient ?
5. La superficie moyenne des 108 appartements est de 68.74 m2 et le prix moyen des appartements est de 591.95 euros. Quel est le prix moyen dun mtre carr ? Pourquoi ce prix moyen
est diffrent de lestimation de ?
Rgression
22
Tr(AA )).
1.7
Corrigs
R2 =
=
=
2
2
Pn
Pn
2 x
2 xi y
2 xi y
y
1
i=1
i=1
kY y1k
Pn
=
=
Pn
2
)2
kY y1k2
(y
)
i
i=1 (yi y
i=1
P
P
P
22 ni=1 (xi x
) 2
[ ni=1 (xi x
)(yi y)]2 ni=1 (xi x
)2
=
Pn
P
P
)2
[ ni=1 (xi x
)2 ]2 ni=1 (yi y)2
i=1 (yi y
P
)(yi y)]2
[ ni=1 (xi x
Pn
P
= 2x,y ,
)2 ni=1 (yi y)2
i=1 (xi x
)(pi p) 2
(f
f
i
Pn
2 2 = P
= R2 ,
2
2
Rgression
1.7. Corrigs
23
Figure 1.10 Nuages de points et droites de rgression pour les poids des pres et des fils.
1 X
(xi x
)2 = 10.97
20
i=1
20
1 X
(yi y)2 = 2.24
20
i=1
20
1 X
(xi x
)(yi y) = 3.77
20
i=1
P
0.344
1 =
(xi x
)2
et
0 = y 1 x
7.09
2. Une mesure de la qualit de lajustement des donnes au modle est donne par le coefficient
de dtermination R2 , dont on a vu quil correspond au carr du coefficient de corrlation
linaire empirique :
!2
Pn
(x
)(y
)
i
i
pPn
R2 = pPn i=1
0.58.
)2
)2
i=1 (xi x
i=1 (yi y
Le modle de rgression linaire simple explique donc un peu plus de la moiti de la variance
prsente dans les donnes.
0
T18 ,
loi de Student 18 degrs de libert. Pour un niveau de confiance de 95%, on compare donc
la valeur absolue obtenue dans notre cas particulier, savoir |0 /
0 | 4.38 au quantile
t18 (0.975) 2.1. On en dduit quon rejette lhypothse selon laquelle 0 serait nul. De
mme pour le test dhypothse sur 1 , ce qui donne la statistique de test :
1
6.88 > 2.1
1
24
un cart-type gal 2.24 1.5, non pour des arbres tout petits.
Exercice 1.5 (Droite de rgression et points aberrants)
Douze personnes sont inscrites une formation. Au dbut de la formation, ces stagiaires subissent
une preuve A note sur 20. A la fin de la formation, elles subissent une preuve B de niveau
identique. Les rsultats sont donns dans le tableau suivant :
Epreuve A 3 4 6 7 9 10 9 11 12 13 15 4
Epreuve B 8 9 10 13 15 14 13 16 13 19 6 19
1. Pour lexplication de la note B partir de la note A, la droite de rgression (cf. figure 1.11
gauche) est donne par y = 1 + 2 x, o :
Pn
(x x
)(yi y)
Pn i
0.11
2 = i=1
(x
)2
i=1 i x
et 1 = y 2 x
12.0 Le coefficient de dtermination vaut :
P
( n (xi x
)(yi y))2
P
0, 01
R2 = Pn i=1
( i=1 (xi x
)2 ) ( ni=1 (yi y)2 )
Le modle de rgression linaire expliquerait donc 1% de la variance des donnes, ce qui est
trs faible.
2. Si on supprime les deux derniers stagiaires, on obtient cette fois (cf. figure 1.11 droite)
y =
1 +
2 x = 5.47 + 0.90x et R2 0.81. Sans ces deux stagiaires, le modle de rgression linaire expliquerait donc 81% de la variance des donnes, ce qui le rend tout fait
pertinent. Les deux derniers stagiaires correspondent ce quon appelle des points aberrants.
Rgression
1.7. Corrigs
25
Et pour estimateur de 1 :
Pn
(x x
)(yi y)
Pn i
2 = i=1
0, 098.
)2
i=1 (xi x
1 = y 2 x
173.7.
(xi x
)(yi y))2
P
R = Pn i=1
0, 101.
( i=1 (xi x
)2 ) ( ni=1 (yi y)2 )
2
On en conclut que 10% de la variance des frquences seuils yi est explique par lge. Ce
modle de rgression linaire simple ne semble donc pas efficace.
3. Un estimateur non biais
2 de 2 est tout simplement :
Pn
Pn
(yi yi )2
i )2
2
i=1 (yi y
= i=1
9.44.
=
n2
18
4. Un estimateur
22 de la variance de 2 est alors donn par :
2
0, 0047.
)2
i=1 (xi x
22 = Pn
i = 1, , n,
Rgression
n
X
(yi xi )2 = arg min S().
i=1
26
xi y i .
xi
xi (yi xi ) = 2
S () = 2
i=1
i=1
i=1
Pn
xi y i
= Pi=1
n
2 .
i=1 xi
quation y = x, o
Pn
yi
y
= = Pni=1 .
x
i=1 xi
= + Pi=1
n
2 ,
i=1 xi
et pour le second :
Pn
i
P
= + ni=1 .
x
i=1 i
Puisque par hypothse les erreurs sont centres (i.e. E[i ] = 0), il en dcoule que
E[ ] = , cest--dire que les deux estimateurs sont sans biais.
=
E[]
4. On rutilise les expressions prcdentes des estimateurs pour cette question. Puisque les
erreurs sont dcorrles, la variance de vaut
Pn
x2i 2
2
P
V () = Pi=1
=
n
2.
n
2 2
i=1 xi
i=1 xi
La variance de vaut quant elle
n 2
V ( ) = Pn
.
( i=1 xi )2
Lingalit de Cauchy-Schwarz dit que la valeur absolue du produit scalaire de deux vecteurs
est infrieure ou gale au produit de leurs normes, cest--dire : pour tous vecteurs u =
[u1 , . . . , un ] et v = [v1 , . . . , vn ] de Rn , |hu, vi| kuk kvk, ou encore en passant aux carrs :
!
! n
!2
n
n
X
X
X
2
2
vi ,
ui vi
ui
i=1
i=1
i=1
Rgression
1.7. Corrigs
27
2
1
1
2
2
P
=
=
1 =
1 =
(xi x)2
n
n
100
10
tandis que
22 = P
1
1
2
=
2 = .
2
400
20
(xi x)
Le quantile dordre 0.975 dune Student 98 degrs de libert est peu prs le mme que
celui dune Student 100 degrs de libert, cest--dire environ 1.984 que lon va arrondir
2. Lintervalle de confiance 95% pour 1 est donc
IC(1 ) = [1 2
1 , 1 + 2
1 ] = [0.8; 1.2]
et pour 2
IC(2 ) = [2 2
2 , 2 + 2
2 ] = [0.15; 1.35]
x
(
x
(
1
1
2
n2
i
2
2
Le quantile dordre 0.95 dune loi de Fisher (2,100) degrs de libert tant gal 3.09, nous
2 (0.95) 3, de sorte que nous obtenons comme rgion
arrondirons nouveau et prendrons f98
de confiance lensemble des points (1 , 2 ) tels que
1
(1 1)2 (2 1/4)2
100(1 1)2 + 400(2 1/4)2 3 2 + 2 1.
2
6
6
10
20
La rgion de
confiance est donc lintrieur
dune ellipse de centre (1 , 2 ) = (1, 1/4) et de
sommets (1 6/10, 0) et (0, 1/4 6/20), cest--dire (1.24, 0), (0, 0.37), (0.76, 0), (0, 0.13).
Rgression
28
Rgression
Chapitre 2
23.8
9.25
5
115.4
16.3
-6.15
7
76.8
27.2
-4.92
6
113.8
7.1
11.57
5
81.6
25.1
-6.23
2
115.4
27.5
2.76
7
125
19.4
10.15
4
83.6
19.8
13.5
6
75.2
32.2
21.27
1
136.8
20.7
13.79
4
102.8
La variable V est une variable synthtique. En effet, le vent est normalement mesur en degrs
(direction) et mtres par seconde (vitesse). La variable V que nous avons cre est la projection
du vent sur laxe Est-Ouest, elle tient donc compte la fois de la direction et de la vitesse.
Pour analyser la relation entre la temprature T , le vent V , la nbulosit midi N et lozone O3 ,
nous allons chercher une fonction f telle que :
O3i f (Ti , Vi , Ni ).
Afin de prciser , il va falloir dfinir comme au Chapitre 1 un critre quantifiant la qualit de
lajustement de la fonction f aux donnes, ou inversement le cot de non-ajustement. Cette notion de cot permet dapprhender de manire aise les problmes dajustement conomique dans
certains modles, do son nom.
Minimiser un cot ncessite aussi la connaissance de lespace sur lequel on minimise, cest--dire
la classe de fonctions F dans laquelle nous supposerons que se trouve la vraie fonction inconnue.
Le problme mathmatique peut scrire de la faon suivante :
arg min
f F
n
X
i=1
(2.1)
30
X
j xj .
F = f : RP R, f (x1 , , xp ) =
j=1
En gnral, avec cette convention dcriture, x1 est constant gal 1 et 1 correspond lordonne
lorigine. On parle de rgression linaire en raison de la linarit de f en les paramtres 1 , . . . , p ,
non en les variables explicatives xj . Par exemple, ce modle inclut les fonctions polynomiales dune
seule variable x si lon prend x1 = 1, x2 = x, . . . , xp = xp1 .
Ce chapitre est donc la gnralisation naturelle du prcdent, mais nous allons cette fois manipuler
sytmatiquement des vecteurs et des matrices la place des scalaires.
2.1
Modlisation
Le modle de rgression linaire multiple est une gnralisation du modle de rgression simple
lorsque les variables explicatives sont en nombre quelconque. Nous supposons donc que les donnes
collectes suivent le modle suivant :
yi = 1 xi1 + 2 xi2 + + p xip + i ,
i = 1, . . . , n
(2.2)
o :
les xij sont des nombres connus, non alatoires, la variable xi1 valant souvent 1 pour tout i ;
les paramtres j du modle sont inconnus, mais non alatoires ;
les i sont des variables alatoires inconnues.
Remarque. Du fait que la constante appartient gnralement au modle, beaucoup dauteurs
crivent plutt le modle sous la forme :
yi = 0 + 1 xi1 + 2 xi2 + + p xip + i ,
i = 1, . . . , n
de sorte que p correspond toujours au nombre de variables explicatives. Avec notre convention
dcriture (2.2), si xi1 vaut 1 pour tout i, p est le nombre de paramtres estimer, tandis que le
nombre de variables explicatives est, proprement parler, (p 1).
En utilisant lcriture matricielle de (2.2) nous obtenons la dfinition suivante :
Dfinition 2.1 (Modle de rgression linaire multiple)
Un modle de rgression linaire est dfini par une quation de la forme :
Y = X +
o :
Y est un vecteur alatoire de dimension n,
X est une matrice de taille n p connue, appele matrice du plan dexprience,
est le vecteur de dimension p des paramtres inconnus du modle,
est le vecteur de dimension n des erreurs.
Arnaud Guyader - Rennes 2
Rgression
31
2.2
Comme pour la rgression linaire simple, nous allons considrer ici une fonction de cot quadratique, do la dnomination de Moindres Carrs Ordinaires (MCO).
Dfinition 2.2 (Estimateur des MCO)
Lestimateur des moindres carrs est dfini comme suit :
= arg minp
R
n
X
i=1
yi
p
X
j=1
(2.3)
Dans la suite de cette section, nous allons donner lexpression de lestimateur ainsi que certaines
de ses proprits.
2.2.1
Calcul de
une mthode consiste se placer dans lespace des variables, comme on la fait
Pour dterminer ,
au Chapitre 1, Section 1.3.1. Rappelons brivement le principe : Y = [y1 , . . . , yn ] est le vecteur des
variables expliquer. La matrice du plan dexprience X = [X1 | . . . |Xp ] est forme de p vecteurs
colonnes (la premire colonne tant gnralement constitue de 1). Le sous-espace de Rn engendr
par les p vecteurs colonnes de X est appel espace image, ou espace des solutions, et not M(X).
Il est de dimension p par lhypothse (H1 ) et tout vecteur de cet espace est de la forme X, o
est un vecteur de Rp :
X = 1 X1 + + p Xp
Y
M (X)
X
X
M(X)
Rgression
32
M (X), est souvent appel espace des rsidus. En tant que supplmentaire orthogonal, il est de
dimension n p = dim(Rn ) dim(M(X)).
hX1 , Y X i = 0
..
.
=0
hXp , Y X i
= 0, do lon dduit bien lexpresCes p quations se regroupent en une seule : X (Y X )
Arnaud Guyader - Rennes 2
Rgression
33
Dornavant nous noterons PX = X(X X)1 X la matrice de projection orthogonale sur M(X) et
PX = (I PX ) la matrice de projection orthogonale sur M (X). La dcomposition
Y = Y + (Y Y ) = PX Y + (I PX )Y = PX Y + PX Y
nest donc rien de plus quune dcomposition orthogonale de Y sur M(X) et M (X).
Achtung ! La dcomposition
Y = X = 1 X1 + + p Xp
signifie que les i sont les coordonnes de Y dans la base (X1 , . . . , Xp ) de M(X). Il ne faudrait
pas croire pour autant que les i sont les coordonnes des projections de Y sur les Xi : ceci nest
vrai que si la base (X1 , . . . , Xp ) est orthogonale, ce qui nest pas le cas en gnral.
Rappels sur les projecteurs. Soit P une matrice carre de taille n. On dit que P est une matrice
de projection si P 2 = P . Ce nom est d au fait que pour tout vecteur x de Rn , P x est la projection
de x sur Im(P ) paralllement Ker(P ). Si en plus de vrifier P 2 = P , la matrice P est symtrique,
alors P x est la projection orthogonale de x sur Im(P ) paralllement Ker(P ), cest--dire que
dans la dcomposition x = P x + (x P x), les vecteurs P x et (x P x) sont orthogonaux. Cest
ce cas de figure qui nous concernera dans ce cours. Toute matrice symtrique relle tant diagonalisable en base orthonorme, il existe une matrice orthogonale U (i.e. U U = In , ce qui signifie
que les colonnes de U forment une base orthonorme de Rn ) et une matrice diagonale telles que
P = U U . On voit alors facilement que la diagonale de est compose de p 1 et de (n p) 0,
o p est la dimension de Im(P ), espace sur lequel on projette. Des rappels et complments sur les
projections sont donns en Annexe, section B.4.
Revenons nos moutons : on a vu que PX = X(X X)1 X . On vrifie bien que PX2 = PX et que
PX est symtrique. Ce qui prcde assure galement que Tr(PX ) = p et Tr(PX ) = n p. Cette
dernire remarque nous sera utile pour construire un estimateur sans biais de 2 . Dautre part, la
matrice PX est souvent note H (comme Hat) dans la littrature anglo-saxonne, car elle met des
chapeaux sur les vecteurs : PX Y = Y . De fait, les lements de PX sont nots (hij )1i,jn .
2.2.2
Quelques proprits
Comme en rgression simple, lestimateur obtenu est sans biais. On obtient de plus une expression
On rappelle que la matrice de covariance du
trs simple pour sa matrice de covariance Var().
ou matrice de variance-covariance, ou matrice de dispersion, est par dfinition :
vecteur alatoire ,
= E[( E[])(
E[])
] = E[ ] E[]
E[]
.
Var()
Puisque est de dimension p, elle est de dimension p p. De plus, pour pour toute matrice A de
+ B et
taille m p et tout vecteur B de dimension m dterministes, on a : E[A + B] = AE[]
34
E[] = 0, il vient :
= (X X)1 X X = .
E[]
Var(), o lingalit entre matrices de variance-covariance est comprendre au sens prcis cidessus. Rappelons la formule gnrale pour la matrice de covariance de la somme deux vecteurs
alatoires U et V :
Var(U + V ) = Var(U ) + Var(V ) + Cov(U, V ) + Cov(V, U ),
o Cov(U, V ) = E[U V ] E[U ]E[V ] = Cov(V, U ) . Dcomposons ainsi la variance de :
= Var( + )
= Var( )
+ Var()
+ Cov( ,
)
+ Cov(,
).
Var()
)
= 0, nous aurons
Les variances tant semi-dfinies positives, si nous montrons que Cov( ,
fini la dmonstration. Puisque est linaire, = AY . De plus, nous savons quil est sans biais,
= pour tout , donc AX = I. La covariance devient :
cest--dire E[]
)
= Cov(AY, (X X)1 X Y ) Var()
Cov( ,
Rgression
2.2.3
35
Preuve.
] = E[PX ] = PX E[] = 0.
1. E[
2. Var(
) = PX Var()PX = PX Var()PX = 2 PX PX = 2 PX .
= X, car est sans biais.
3. E[Y ] = E[X ]
= XVar()X
= 2 X(X X)1 X = 2 PX .
4. Var(Y ) = Var(X )
5. Rappelons que la covariance entre deux vecteurs alatoires est une application bilinaire et
que Cov(U, U ) = Var(U ). Ici, ceci donne :
Cov(
, Y ) = Cov(
, Y ) = Cov(
, Y ) Var(
) = Cov(PX Y, Y ) 2 PX
et puisque Var(Y ) = 2 In , nous avons :
Cov(
, Y ) = PX Var(Y ) 2 PX = 0.
Comme en rgression linaire simple, un estimateur naturel de la variance rsiduelle est donn
par :
n
i=1
i=1
1X 2
1
1X
(yi yi )2 =
i = k
k2 .
n
n
n
Malheureusement on va voir que cet estimateur est biais. Ce biais est nanmoins facile corriger,
comme le montre le rsultat suivant. Cest une bte gnralisation du rsultat obtenu en rgression
linaire simple, en remplaant n 2 par n p.
Proposition 2.3
La statistique
2 =
k
k2
np
SCR
np
E[k
k2 ]. Ruse de sioux : puisque cest un scalaire, il est gal sa trace,
E[k
k2 ] = E[Tr(k
k2 )] = E[Tr(
)],
i,j
a2ij , il vient :
E[k
k2 ] = E[Tr(
)] = Tr(E[
]) = Tr(Var(
)) = Tr( 2 PX ).
Et comme PX est la matrice de la projection orthogonale sur un espace de dimension (n p), on
a bien :
E[k
k2 ] = (n p) 2 .
Rgression
36
Var() = (X X) :
2 (X X)1 =
2 =
SCR 1
k
k2
(X X)1 =
(X X) .
np
np
j =
[(X X)1 ]jj .
Afin dallger les notations, on crira parfois
j pour
j .
2.2.4
Prvision
Un des buts de la rgression est de proposer des prdictions pour la variable expliquer y lorsque
nous avons de nouvelles valeurs de x. Soit donc xn+1 = [xn+1,1 , , xn+1,p ] une nouvelle valeur pour
laquelle nous voudrions prdire yn+1 . Cette variable rponse est dfinie par yn+1 = xn+1 + n+1 ,
avec E[n+1 ] = 0, Var(n+1 ) = 2 et Cov(n+1 , i ) = 0 pour i = 1, . . . , n.
La mthode naturelle est de prdire la valeur correspondante grce au modle ajust, soit : yn+1 =
+ n+1 .
Lerreur de prvision est nouveau dfinie par n+1 = yn+1 yn+1 = x ( )
xn+1 .
n+1
Deux types derreurs vont alors entacher notre prvision : la premire due lincertitude sur n+1 ,
E[n+1 ] = 0
Var(
n+1 ) = 2 (1 + xn+1 (X X)1 xn+1 ).
+ n+1 ] = x ( E[])
+ E[n+1 ] = 0.
E[n+1 ] = E[xn+1 ( )
n+1
Autrement dit, en moyenne, notre estimateur ne se trompe pas. Calculons la variance de lerreur de
prvision. Puisque dpend uniquement des variables alatoires (i )1in , dont n+1 est dcorrle,
il vient :
= 2 + x Var()x
n+1
Var (
n+1 ) = Var(n+1 + xn+1 ( ))
n+1
= 2 (1 + xn+1 (X X)1 xn+1 ).
Nous retrouvons bien lincertitude dobservation 2 laquelle vient sajouter lincertitude destimation. Enfin, comme en rgression linaire simple, on peut prouver quen prsence de la constante,
cette incertitude est minimale au centre de gravit des variables explicatives, cest--dire lorsque
xn+1 = [1, x2 , . . . , xp ] et quelle vaut encore 2 (1 + 1/n) (voir exercice 2.7).
Arnaud Guyader - Rennes 2
Rgression
2.3
37
Interprtation gomtrique
M (X)
Y
0
Y = X
y1
M(X)
kY k
= SCE + SCR
= kY k2 + k
k2
2 + kY X k
2.
= kX k
Si la constante fait partie du modle (ce qui est gnralement le cas), alors nous avons, toujours
par Pythagore :
SCT
kY y1k
= SCE + SCR
= kY y1k2 + k
k2
kY k2
k
k2
SCR
,
=
1
=1
2
2
kY k
kY k
SCT
=1
2
2
Variation totale
kY y1k
kY y1k
SCT
Ce coefficient mesure le cosinus carr de langle entre les vecteurs Y et Y pris lorigine ou pris
en y1. Nanmoins, on peut lui reprocher de ne pas tenir compte de la dimension de lespace de
projection M(X), do la dfinition du coefficient de dtermination ajust.
Rgression
38
n k
k2
n SCR
n
=1
=1
(1 R2 ),
2
n p kY k
n p SCT
np
n1
k
k2
n 1 SCR
n1
=1
=1
(1 R2 ).
2
n p kY y1k
n p SCT
np
Avec le logiciel R, le coefficient de dtermination R2 est appel Multiple R-Squared, tandis que
le coefficient de dtermination ajust Ra2 est appel Adjusted R-Squared (cf. infra).
2.4
Exemple
Nous allons traiter les 50 donnes journalires prsentes en Annexe D. La variable expliquer est
la concentration en ozone note O3 et les variables explicatives sont la temprature T12, le vent Vx
et la nbulosit Ne12. Les donnes sont traites avec le logiciel R.
> a <- lm(O3 T12+Vx+Ne12,data=DONNEE)
> summary(a)
Call:
lm(formula = O3 T12 + Vx + Ne12, data = DONNEE)
Residuals:
Min
-29.0441
1Q
-8.4833
Median
0.7857
3Q
7.7011
Max
28.2919
Estimate
84.5483
1.3150
0.4864
-4.8935
Std. Error
13.6065
0.4974
0.1675
1.0270
t value
6.214
2.644
2.903
-4.765
Pr(>|t|)
1.38e-07
0.01118
0.00565
1.93e-05
***
*
**
***
Coefficients :
(Intercept)
T12
Vx
Ne12
2.5
Exercices
Rgression
2.5. Exercices
39
= Z +
= X +
Supposons pour simplifier que la constante ne fait partie daucun modle. Notons respectivement
PX et PZ les projections orthogonales sur les sous-espaces M(X) et M(Z) engendrs par les
p colonnes de X et les q colonnes de Z. Notons enfin PXZ la projection orthogonale sur le
sous-espace M(X) M(Z) , orthogonal de M(Z) dans M(X), autrement dit :
n
2 et R2 .
2. Comparer alors les coefficients de dtermination des deux modles, cest--dire RZ
X
25 0
0
0.04
0
0
X X = ? 9.3 5.4
(X X)1 = 0
0.1428 0.0607 .
?
? 12.7
0
0.0607 0.1046
(a) Donner les valeurs manquantes.
40
SCR = k
k2 = 0.3.
= 1X X1 + + pX Xp
= Z X1 + + Z Xq
1
U
q+1
Xq+1
+ + pU Xp .
(2.4)
1 orthogonal au
3. Calculer P1 Z.
4. En dduire que lestimateur de des Moindres Carrs Ordinaires du modle (2.4) peut tre
obtenu en minimisant par les MCO le modle suivant :
(1) + ,
Y = Z
(2.5)
o Y = P1 Y et Z = P1 Z.
Arnaud Guyader - Rennes 2
Rgression
2.5. Exercices
41
5. Ecrire la SCR estime dans le modle (2.5) en fonction des variables du modle (2.5). Vrifier que la SCR du modle (2.5) est identique celle qui serait obtenue par lestimation du
modle (2.4).
Exercice 2.7 (Minimisation de lerreur de prvision)
1. Soit un chantillon de n couples de rels (xi , yi )1in pour le modle de rgression linaire
simple yi = 0 + 1 xi + i , o les erreurs i sont supposes centres dcorrles et de mme
variance 2 . On estime = (0 , 1 ) par la mthode des moindres carrs ordinaires, ce qui
donne = (0 , 1 ).
(a) Soit xn+1 une nouvelle valeur de la variable explicative pour laquelle on veut prdire la
variable rponse yn+1 . Quappelle-t-on erreur de prvision ? Rappeler sa variance telle
quelle est nonce dans le chapitre sur la rgression linaire simple.
(b) Rappeler sa variance telle quelle est nonce dans le chapitre sur la rgression linaire
multiple.
(c) Retrouver le rsultat de la question 1a partir de celui de la question 1b.
(d) A partir du rsultat de la question 1a, trouver pour quelle valeur de xn+1 la variance
de lerreur de prvision est minimale. Que vaut alors cette variance ?
2. Le but de cette partie est de gnraliser le rsultat de la question 1d. Nous considrons
dsormais un chantillon (xi , yi )1in , o xi = [1, zi ] avec zi = [xi1 , . . . , xip ]. En notant 1 le
vecteur de taille n uniquement compos de 1, nous adoptons lcriture matricielle :
1 z1
1 x11 x1p
.. = .. .. = 1 Z Z = 1 Z ,
..
..
X = ...
1
p
. . .
.
.
1 xn1 xnp
1 zn
o Z est donc une matrice de taille n p. Les moyennes de ses colonnes Z1 , . . . , Zp sont
regroupes dans le vecteur ligne x
= [
x1 , . . . , x
p ]. Enfin, on considre comme prcdemment
le modle de rgression linaire
yi = 0 + 1 xi1 + + p xip + i = xi + i ,
o les erreurs i sont supposes centres indpendantes et de mme variance 2 . Matriciellement, ceci scrit donc Y = X + , avec X donne ci-dessus et suppose telle que X X est
inversible.
(a) Ecrire la matrice X X sous forme de 4 blocs faisant intervenir Z, x
et la taille n de
lchantillon.
(b) On rappelle la formule dinversion matricielle par blocs : Soit M une matrice inversible
telle que
T U
M =
V W
avec T inversible, alors Q = W V T 1 U est inversible et linverse de M est :
1
T + T 1 U Q1 V T 1 T 1 U Q1
.
M 1 =
Q1 V T 1
Q1
Ecrire la matrice (X X)1 sous forme de 4 blocs dpendant de n, x
et 1 , o =
1
x
.
nZ Z x
Rgression
42
] une nouvelle donne. Montrer que la variance de lerreur de pr(c) Soit xn+1 = [1, zn+1
vision est gale
1
1
) 1 (zn+1 x
) .
Var(
n+1 ) = 2 1 + + (zn+1 x
n n
x
est symtrique dfinie positive (on rappelle
(d) On admet pour linstant que = n1 Z Z x
que S est symtrique dfinie positive si S = S et si pour tout vecteur x non nul,
x Sx > 0). Pour quelle nouvelle donne xn+1 la variance de lerreur de prvision est-elle
minimale ? Que vaut alors cette variance ?
(e) Justifier le fait que si X X est inversible, alors est bien symtrique dfinie positive.
Exercice 2.8 (QCM)
Ce questionnaire fait appel non seulement au cours, mais galement certains des rsultats vus
dans les exercices qui prcdent.
1. Nous avons effectu une rgression multiple, une des variables explicatives est la constante,
la somme des rsidus calculs vaut :
A. 0 ;
B. Approximativement 0 ;
C. Parfois 0.
?
2. Le vecteur Y est-il orthogonal au vecteur des rsidus estims
A. Oui ;
B. Non ;
C. Seulement si 1 fait partie des variables explicatives.
estimateur des MC de , vaut :
3. Un estimateur de la variance de ,
A. 2 (X X)1 ;
B.
2 (X X)1 ;
C.
2 (XX )1 .
4. Une rgression a t effectue et le calcul de la SCR a donn la valeur note SCR1. Une
variable est ajoute, le calcul de la SCR a donn une nouvelle valeur note SCR2. Nous
savons que :
A. SCR1 SCR2 ;
B. SCR1 SCR2 ;
C. Cela dpend de la variable ajoute.
5. Une rgression a t effectue et un estimateur de la variance rsiduelle a donn la valeur
note
12 . Une variable est rajoute et un estimateur de la variance rsiduelle vaut maintenant
2
2.6
Corrigs
Rgression
2.6. Corrigs
43
avec
2 =
Pn
Pn
(xi x
)(yi y)
(xi x
)yi
i=1
Pn
= Pi=1
.
n
2
)
)2
i=1 (xi x
i=1 (xi x
(X X)
do :
1
XY = P 2
n xi n 2 x
2
(X X)1 X Y = P
P
x
x2i n
n
x n
1
(xi x
)2
xi yi n
xy =
n
y
P
xi y i
P
P
y x2i x
xi y i
P
xi yi n
xy
X
(xi x
)(yi y)
(xi x
)2
(xi x
)2
et la messe est dite.
xi
2 ) = P
Var(1 ) = P
,
&
Var(
(xi x
)2
n (xi x
)2
tandis que leur covariance vaut :
2 x
Cov(1 , 2 ) = P
.
(xi x
)2
=
Var()
2 (X X)1
6. Pour retrouver le rsultat de la question 4 partir de celui de la question 5, il suffit de voir
que
P 2
1
xi /n
x
1
P
.
(X X) =
x
1
(xi x
)2
Rn , on a tout simplement :
hY, 1i =
Rgression
yi
Arnaud Guyader - Rennes 2
44
kPZ Y k2
,
kY k2
et dans le second :
2
RX
=
kPZ Y k2 + kPXZ Y k2
kPZ Y k2
kPX Y k2
2
=
= RZ
.
kY k2
kY k2
kY k2
3. Ceci montre la chose suivante : ds lors que deux modles sont embots, le coefficient de
dtermination du plus gros sera suprieur celui du plus petit. Autrement dit, ds que lon
ajoute une ou des variables un modle, on amliore le pourcentage de variation explique,
mme si les variables explicatives supplmentaires ne sont pas pertinentes ! En ce sens, le coefficient de dtermination ajust est prfrable, ayant au moins le mrite de tenir compte des
dimensions des diffrents modles. Plus prcisment, nous verrons au Chapitre 3 comment
effectuer des tests dhypothses entre modles embots.
Exercice 2.4 (Deux variables explicatives)
On examine lvolution dune variable y en fonction de deux variables exognes x et z. On dispose
de n observations de ces variables. On note X = [1 x z] o 1 est le vecteur constant et x, z sont
les vecteurs des variables explicatives.
1. Nous avons obtenu les rsultats suivants :
25 0
0
0.04
0
0
X X = ? 9.3 5.4
(X X)1 = 0
0.1428 0.0607 .
?
? 12.7
0
0.0607 0.1046
(a) Les 3 valeurs manquantes se dduisent de la symtrie de la matrice X X.
Rgression
2.6. Corrigs
45
(c) Le coefficient de corrlation linaire empirique entre x et z se dduit lui aussi de la matrice X X. On remarque tout dabord que les moyennes empiriques sont nulles puisque
x
=
(X X)1,3
(X X)1,2
=0=
= z
n
n
Par consquent
rx,z
P
P
(X X)2,3
xi zi
(xi x
)(zi z)
p
p
= qP qP = p
=p
(X X)2,2 (X X)3,3
)2 (zi z)2
(xi x
x2i
zi2
ce qui donne
rx,z =
5.4
0.5
9.3 12.7
SCR = k
k2 = 0.3.
(a) Puisque la constante fait partie du modle, la moyenne empirique des rsidus est nulle :
= 0. On en dduit que
y = 1.6 + 0.61
x + 0.46
z + = 1.6
(b) Puisque la constante fait partie du modle, la somme des carrs explique par le modle
est
X
X
(
yi y)2 =
(0.61xi + 0.46zi )2
SCE = kY y1k2 =
cest--dire
xi zi + 0.462
zi2
SCE = kY y1k2 = 0.612 (X X)2,2 + 2 0.61 0.46(X X)2,3 + 0.462 (X X)3,3 = 9.18
La somme des carrs totale est alors immdiate, en vertu de la sacro-sainte formule de
dcomposition de la variance :
SCT = SCE + SCR = 9.18 + 0.3 = 9.48
Le coefficient de dtermination vaut donc
R2 =
SCE
0.968
SCT
Autrement dit, 97% de la variance des donnes est explique par ce modle de rgression.
Le coefficient de dtermination ajust est peine diffrent :
Ra2 = 1
n1
(1 R2 ) 0.965
np
Rgression
46
= 1X X1 + + pX Xp
= Z X1 + + Z Xq
1
U
= q+1
Xq+1 + + pU Xp .
YX = PX Y = (PZ + PZ )PX Y = PZ PX Y + PZ PX Y,
1X =
,...,
.
=
2
2
kX1 k
kXp k
kX1 k2
3. La premire colonne de Z tant X1 , le raisonnement prcdent appliqu 1X montre que
1X = 1Z . Ainsi, lorsque les variables explicatives sont orthogonales, effectuer une rgression
multiple revient effectuer p rgression simples. En pratique, nanmoins, il arrive rarement
que les variables explicatives soient effectivement orthogonales...
Exercice 2.6 (Rgression sur variables centres)
Nous considrons le modle de rgression linaire
Y = X + ,
(2.6)
Rgression
2.6. Corrigs
47
1 scrit
1
1
11 = J,
n
n
2 , . . . , x
n les moyennes empiriques des colonnes
3. On a ainsi P1 Z = Z n1 JZ. Si on note x
xn 1.
x2 1, . . . , Xn
X2 , . . . , Xn , P1 Z est donc la matrice n(p1) dont les colonnes sont X2
Autrement dit P1 Z est la matrice (individus variables) pour laquelle chaque variable xi
a t centre.
4. Lestimateur de des Moindres Carrs Ordinaires du modle (2.6) est dfini par
= arg minp kY Xk2 .
R
(1 , (1) ) = arg
min
1 R,(1) Rp1
kY 1 1 Z(1) k2 .
Puisque P1 + P1 = In , il vient :
(1 , (1) ) = arg
min
1 R,(1) Rp1
Le premier vecteur entre parenthses est dans le sous-espace engendr par le vecteur
second dans son orthogonal, donc par Pythagore :
(1 , (1) ) = arg
min
1 R,(1) Rp1
1, le
min
1 R,(1) Rp1
(1) k2 .
k
y 1 1 1 Z(1) 1k2 + kY Z
Minimiser cette somme de deux termes en (1 , (1) ) revient commencer par minimiser le
second terme en (1) , ce qui fournit (1) , et prendre ensuite
1 = y Z (1) .
Or la minimisation du premier terme revient chercher lestimateur des moindres carrs
ordinaires pour le modle suivant :
(1) + ,
Y = Z
(2.7)
o Y = P1 Y et Z = P1 Z.
5. La SCR estime dans le modle (2.7) est
n
X
(yi yi )2 .
SCR = kY Y k2 =
i=1
Or pour tout i, yi = yi y et :
y
i = 2 x
i2 + + p x
ip = 2 (xi2 x
2 ) + + p (xip x
p ),
Rgression
48
n
X
(yi y 2 (xi2 x
2 ) p (xip x
p ))2 .
i=1
Lorsque la constante appartient au modle, la somme des rsidus est nulle, donc :
y = Y = 1 + 2 x
2 + + p x
p ,
ce qui, report dans lquation prcdente, donne :
SCR =
n
X
(yi (1 + 2 xi2 + + p xip )2 .
i=1
Autrement dit, la SCR du modle (2.7) est identique celle qui serait obtenue par lestimation du modle (2.6). Mazel tov !
Exercice 2.7 (Minimisation de lerreur de prvision)
Cet exercice est corrig en annexe (sujet de dcembre 2012).
Exercice 2.8 (QCM)
AABBC.
Rgression
Chapitre 3
Le modle gaussien
Introduction
Rappelons le contexte du chapitre prcdent. Nous avons suppos un modle de la forme :
yi = xi + i = 1 xi1 + 2 xi2 + + p xip + i ,
i = 1, . . . , n
3.1
Nous allons commencer par faire le lien entre lestimateur du maximum de vraisemblance et lestimateur des moindres carrs vu au chapitre prcdent. Commenons par remarquer que les yi sont
eux-mmes gaussiens :
i N (0, 2 ) yi = xi + i N (xi , 2 )
et mutuellement indpendants puisque les erreurs i le sont. La vraisemblance sen dduit :
#
"
n
n
n
Y
2
1
1 X
2
fY (yi ) =
exp 2
y i xi
L(Y, , ) =
2
2 2
i=1
i=1
n
1
1
2
=
exp 2 kY Xk
2
2 2
50
Une fois ceci fait, on veut maximiser sur R+ une fonction de la forme (x) = a + b log x + xc , ce
qui ne pose aucun souci en passant par la drive :
2 )
L(Y, ,
2
n
1
2,
+ 4 kY X k
2
2
2
do il vient :
2
mv
=
2
kY X k
.
n
mv
=
2
kY X k
np
np 2
.
n
3.2
Pn
2i
i=1
np
2
k
k2
kY X k
=
.
np
np
Nous commenons cette section par un rappel sur les vecteurs gaussiens.
3.2.1
Quelques rappels
Un vecteur alatoire Y de Rn est dit gaussien si toute combinaison linaire de ses composantes
est une variable alatoire gaussienne. Ce vecteur admet alors une esprance = E[Y ] et une
matrice de variance-covariance Y = E[(Y )(Y ) ] qui caractrisent compltement sa loi.
On note dans ce cas Y N (, Y ). On montre alors que les composantes dun vecteur gaussien
Y = [Y1 , , Yn ] sont indpendantes si et seulement si Y est diagonale.
Soit Y N (, Y ) un vecteur gaussien. Il admet une densit f sur Rn si et seulement si sa matrice
de dispersion Y est inversible, auquel cas :
f (y) =
(2)n/2
1
p
det(Y )
e 2 (y) Y
(y)
Rgression
51
3.2.2
Nouvelles proprits
Notons au pralable que, pour ce qui nous concerne, la gaussianit des rsidus implique celle du
vecteur Y :
N (0, 2 In ) Y = X + N (X, 2 In ).
Proprits 3.1 (Lois des estimateurs avec variance connue)
Sous les hypothses (H), nous avons :
(i) est un vecteur gaussien de moyenne et de variance 2 (X X)1 : N (, 2 (X X)1 ) ;
(ii) et
2 sont indpendants ;
2
(iii) (n p) 2 2np .
Preuve.
(i) Nous avons vu que = (X X)1 X Y = (X X)1 X (X + ), or par hypothse
N (0, 2 In ) est un vecteur gaussien. On en dduit que est lui aussi un vecteur gaussien, sa
loi est donc entirement caractrise par la donne de sa moyenne et de sa matrice de dispersion,
lesquelles ont t calcules au Chapitre 2 (Proposition 2.2).
(ii) Comme dans le chapitre prcdent, notons M(X) le sous-espace de Rn engendr par les
colonnes de X et PX = X(X X)1 X la projection orthogonale sur ce sous-espace. On peut
noter que :
= (X X)1 X Y = (X X)1 X (X(X X)1 X )Y = (X X)1 X PX Y,
donc est un vecteur alatoire fonction de PX Y , tandis que :
2 =
kY PX Y k2
k
k2
=
np
np
est une variable alatoire fonction de (Y PX Y ). Par le thorme de Cochran, nous savons que
les vecteurs PX Y et (Y PX Y ) sont indpendants, il en va donc de mme pour toutes fonctions
de lun et de lautre.
Rgression
52
kPX k2
kPX ( E[])k2
2
=
=
2np .
2
2
2
Bien entendu le premier point du rsultat prcdent nest pas satisfaisant pour obtenir des rgions
de confiance sur car il suppose la variance 2 connue, ce qui nest pas le cas en gnral. La
proposition suivante pallie cette insuffisance.
Proprits 3.2 (Lois des estimateurs avec variance inconnue)
Sous les hypothses (H) :
j j
j j
(i) pour j = 1, . . . , p, nous avons Tj = q
=
Tnp .
1
1
q
(R( )) R(X X)1 R
R( ) Fnp
.
2
q
Cautious ! Lcriture (X X)1 jj signifie le j-me terme diagonal de la matrice (X X)1 , et
non linverse du j-me terme diagonal
la matrice (X X). Afin dallger les critures, nous
de
1
Preuve.
(i) Daprs la proposition prcdente, on sait dune part que j N (j , 2 (X X)1
jj ), dautre
2
2 sont indpendants. Il reste alors crire Tj sous
part que (n p) 2 2np et enfin que j et
la forme :
Tj =
j
q j
(X X)1
jj
q
2
2
Il reste remplacer 2 par
2 en se souvenant que (n p) 2 2np et du fait que et 2 sont
indpendants. On obtient bien alors la loi de Fisher annonce.
De ces rsultats vont dcouler les rgions de confiance de la section suivante. Auparavant, donnons
un exemple illustrant le second point que lon vient dtablir.
Rgression
53
R( ) =
.
2 2
Si la constante fait partie du modle, X est la matrice n2 dont la premire colonne est uniquement
compose de 1 et la seconde est compose des xi , si bien que
P
1
n
xi
n P
n
x
P
P
P
=
XX=
n
x
x2i
xi
x2i
(xi x
)2
Fn2
,
n(
)
+
2n
x
(
)(
)
+
x
(
)
1
1
1
1
2
2
2
2
i
2
2
qui est exactement le rsultat de la Proprit 1.3 (iii), permettant de construire une ellipse de
confiance pour = (1 , 2 ). Plus gnralement, si p = q et R = Ip , nous avons
1
p
( ) (X X)( ) Fnp
,
p
2
dfinissant un ellipsode de confiance centr en pour . Ce rsultat est la base de la distance
de Cook dfinie en Chapitre 4, Section 4.3.
3.2.3
Les logiciels et certains ouvrages donnent des intervalles de confiance (IC) pour les paramtres pris
sparment. Cependant ces intervalles de confiance ne tiennent pas compte de la dpendance des
paramtres, ce qui conduirait construire plutt des rgions de confiance (RC). Nous allons donc
traiter les deux cas, en considrant que 2 est inconnu.
Thorme 3.2 (Intervalles et Rgions de Confiance)
(i) Pour tout j {1, , p}, un intervalle de confiance de niveau (1 ) pour j est :
q
q
1
1
j tnp (1 /2)
(X X)jj , j + tnp (1 /2)
(X X)jj ,
o tnp (1 /2) est le quantile de niveau (1 /2) dune loi de Student Tnp .
(ii) Un intervalle de confiance de niveau (1 ) pour 2 est :
(n p)
2
(n p)
2
,
,
cnp (1 /2) cnp (/2)
o cnp (1 /2) est le quantile de niveau (1 /2) dune loi 2np .
(iii) Une rgion de confiance de niveau (1 ) pour q (q p) paramtres j nots (j1 , , jq )
est lensemble des (j1 , , jq ) tels que
1
q
(1 ),
(R( )) (R(X X)1 R )1 (R( )) fnp
q
2
(3.1)
o R est la matrice de taille q p dont tous les lments sont nuls sauf les Ri,ji , qui valent 1,
q
q
.
(1 ) est le quantile de niveau (1 ) dune loi de Fisher Fnp
et fnp
Preuve. Il suffit dappliquer les rsultats de la Proposition 3.2.
Rgression
54
1 1
2 2
Si on note cij le terme gnral de (X X)1 , le point (iii) permet dobtenir une rgion de confiance
simultane RC(1 , 2 ) pour (1 , 2 ) :
)
(
c22 (1 1 )2 2c12 (1 1 )(2 2 ) + c11 (2 2 )2
2
2
fnp (1 ) .
(1 , 2 ) R :
2
2 (c11 c22 c212 )
Cette rgion de confiance est une ellipse qui tient compte de la corrlation entre 1 et 2 . La figure
3.1 permet de faire le distinguo entre intervalles de confiance considrs sparment pour 1 et 2
et rgion de confiance simultane pour (1 , 2 ).
1
Figure 3.1 Comparaison entre ellipse et rectangle de confiance.
3.2.4
Prvision
Soit xn+1 = [xn+1,1 , , xn+1,p ] une nouvelle valeur pour laquelle nous voulons prdire la variable
expliquer yn+1 dfinie par :
yn+1 = xn+1 + n+1
avec n+1 N (0, 2 ) indpendant des (i )1in . A partir des n observations prcdentes, nous
avons pu calculer un estimateur de . Nous nous servons de cet estimateur pour prvoir yn+1
par :
yn+1 = xn+1 .
Arnaud Guyader - Rennes 2
Rgression
55
1 + xn+1 (X X) xn+1
1 + xn+1 (X X) xn+1 , xn+1 tnp (/2)
xn+1 + tnp (/2)
Preuve. Daprs ce qui a t dit auparavant, on a :
yn+1 yn+1
N (0, 1).
q
=
1 + xn+1 (X X)1 xn+1
yn+1
yn+1
1+xn+1 (X X)1 xn+1
On remarque que le numrateur suit une loi normale centre rduite, le dnominateur est la racine
dun chi-deux (n p) ddl divis par (n p). Il reste voir que numrateur et dnominateur
+ n+1 et
sont indpendants, or yn+1 yn+1 = xn+1 ( )
est indpendant la fois de (cf.
Proprits 3.1) et de n+1 (puisque
ne dpend que des (i )1in ). On en conclut que :
yn+1 yn+1
Tnp ,
3.3
3.3.1
Tests dhypothses
Introduction
Reprenons lexemple de la prvision des pics dozone vu en dbut de Chapitre 2. Nous avons dcid
de modliser les pics dozone O3 par la temprature midi T , le vent V (ou plus prcisment sa
projection sur laxe Est-Ouest) et la nbulosit midi N . Il parat alors raisonnable de se poser
par exemple les questions suivantes :
1. Est-ce que la valeur de O3 est influence par la variable vent V ?
Rgression
56
2. correspond H0 : 4 = 0, contre H1 : 4 6= 0.
3. correspond H0 : 2 = 3 = 0, contre H1 : 2 6= 0 ou 3 6= 0.
Ces tests dhypothses reviennent tester la nullit dun ou plusieurs paramtres en mme temps.
Si lon teste plusieurs paramtres la fois, on parle de nullit simultane des coefficients. Ceci
signifie que, sous lhypthse H0 , certains coefficients sont nuls, donc les variables correspondant
ceux-ci ne sont pas utiles pour la modlisation du phnomne. Ce cas de figure revient comparer
deux modles embots, lun tant un cas particulier de lautre.
Le plan dexprience priv de ces variables sera not X0 et les colonnes de X0 engendreront un
sous-espace not M0 = M(X0 ). De mme, pour allger les notations, nous noterons M = M(X)
lespace engendr par les colonnes de X. Le niveau de risque des tests sera fix de faon classique
.
3.3.2
(H1 ) : rg(X) = p
(H2 ) : N (0, 2 In )
H1 : j {p0 + 1, , p} : j 6= 0.
Rgression
57
Approche gomtrique
Considrons le sous-espace M0 . Nous avons crit que sous H0 : E[Y ] = X0 0 M0 . Dans ce cas,
la mthode des moindres carrs consiste projeter Y non plus sur M et obtenir Y , mais sur M0
et obtenir Y0 . Visualisons ces diffrentes projections sur la figure 3.2.
Y
Y0
M0
kY Y0 k2 /(p p0 )
kY Y0 k2 /q
=
.
kY Y k2 /(n p)
kY Y k2 /(n p)
Pour utiliser cette statistique de test, il faut connatre au moins sa loi sous H0 . Remarquons quelle
correspond au rapport de deux normes au carr. Nous allons dterminer la loi du numrateur, celle
du dnominateur et constater leur indpendance. En notant P (resp. P0 ) la matrice de projection
orthogonale sur M (resp. M0 ), nous savons que :
Y Y0 = P Y P0 Y,
or M0 M donc P0 Y = P0 P Y et :
Y Y0 = P Y P0 P Y = (In P0 )P Y = P0 P Y.
Rgression
58
Le thorme de Cochran nous renseigne par ailleurs sur les lois des numrateur et dnominateur.
Pour le dnominateur :
1
1
1
1
kY Y k2 = 2 kP Y k2 = 2 kP (X + )k2 = 2 kP k2 2np ,
2
et pour le numrateur :
1
kP P (Y X)k2 2q .
2 0
Sous H0 , le paramtre de dcentrage kP0 P Xk2 est nul puisque dans ce cas X M0 .
Nous avons alors la loi de F sous H0 :
q
.
F Fnp
n p SCR0 SCR
q
.
Fnp
q
SCR
cest--dire :
kY Y0 k2 = kY Y0 k2 kY Y k2 = SCR0 SCR.
Rsumons ce qui prcde.
Proposition 3.3 (Test entre modles embots)
Sous lhypothse H0 , on a la statistique de test suivante
F =
n p kY Y0 k2
n p SCR0 SCR
q
Fnp
,
=
2
q
q
SCR
kY Y k
Rgression
59
de sorte que
1
(I P0 )X
0 [p +1 , . . . , p ]
(R( )) R(X X)1 R
R( ) = [p0 +1 , . . . , p ]X
0
0
1
0 [p +1 , . . . , p ] k2
(R( )) R(X X)1 R
R( ) = k(In P0 )X
0
ou encore
cest--dire
2 =
pour arriver au rsultat voulu.
kY Y k2
np
Remarque. En supposant que la constante fait partie des deux modles (ou ne fait partie daucun
dentre eux), la statistique de test prcdente peut aussi scrire en fonction des coefficients de
dtermination respectifs R2 et R02 comme suit (exercice) :
F =
n p R2 R02
.
q
1 R2
Ainsi, si lon dispose des coefficients de dtermination dans deux modles embots, il suffit de
calculer cette statistique et de la comparer au quantile dune loi de Fisher pour effectuer le test
dhypothse.
Nous allons maintenant expliciter cette statistique de test dans deux cas particuliers.
Rgression
60
3.3.3
2
Nous rejetons H0 si lobservation de la statistique de test, note F (w), est telle que :
F =
1
F (w) > fnp
(1 ),
1 (1 ) est le quantile dordre (1 ) dune loi de Fisher 1 et (n p) degrs de libert.
o fnp
Ce test est en fait quivalent au test de Student (n p) degrs de libert qui permet de tester
H0 : j = 0 contre H1 : j 6= 0, avec cette fois la statistique de test :
T =
j
,
q
2
o
j =
j =
(X X)1
jj est lcart-type estim de j . On peut en effet montrer que F = T
(voir exercice 3.3). Nous rejetons H0 si lobservation de la statistique de test, note T (w), est telle
que :
|T (w)| > tnp (1 /2),
o tnp (1 /2) est le quantile dordre (1 /2) dune loi de Student (n p) degrs de libert.
Cest sous cette forme que le test de significativit dun coefficient apparat dans tous les logiciels de
statistique. Il est donc compltement quivalent au test gnral que nous avons propos, lorsquon
spcialise celui-ci la nullit dun seul coefficient.
3.3.4
Si des connaissances a priori du phnomne assurent lexistence dun terme constant dans la rgression, alors pour tester linfluence des autres rgresseurs (non constants) sur la rponse Y , on
regarde si E[Y ] = 1 . En dautres termes, on teste si tous les coefficients sont nuls, except la
constante.
Ce test est appel test de Fisher global. Dans ce cas Y0 = y1 et nous avons la statistique de test
suivante :
kY y1k2 /(p 1)
p1
Fnp
.
F =
2
kY Y k /(n p)
On peut aussi lexprimer partir du coefficient de dtermination R2 vu au Chapitre 2 :
F =
np
R2
.
p 1 1 R2
3.3.5
Nous allons maintenant faire le lien entre le test gnral que nous avons propos et le test du
rapport de vraisemblance maximale. Nous avons vu en dbut du chapitre que la vraisemblance
scrit de la faon suivante :
n/2
1
1
2
2
exp 2 kY Xk .
L(Y, , ) =
2 2
2
Arnaud Guyader - Rennes 2
Rgression
61
2
Cette vraisemblance est maximale lorsque = est lestimateur des MCO et que 2 =
mv
=
2
,2
=
=
!n/2
n
2
2||Y X ||
n/2
n
n
e 2 ,
2SCR
e 2
2 . Sous lhyo SCR correspond la somme des carrs rsiduels, cest--dire SCR = ||Y X ||
pothse H0 , nous obtenons de faon vidente le rsultat suivant :
n/2
n
n
2
sup L0 (Y, 0 , ) =
e 2 = L0 (Y, 0 ,
02 ),
2SCR0
,2
o SCR0 correspond la somme des carrs rsiduels sous H0 , cest--dire SCR0 = ||Y X0 0 ||2 ,
et
02 = SCR0 /n. On dfinit alors le test du Rapport de Vraisemblance Maximale par la rgion
critique :
)
(
L0 (Y, 0 ,
02 )
n
< 0 .
D = Y R : =
L(Y, ,
2 )
mv
np
SCR0 SCR
SCR0 SCR
> g(0 )
> f0 ,
SCR
p p0
SCR
PH0
np
SCR0 SCR
> f0
p p0
SCR
= ,
q
q
cest--dire f0 = fnp
(1 ), quantile de la loi de Fisher Fnp
(cf. section prcdente). Le test
du Rapport de Vraisemblance Maximale est donc quivalent au test qui rejette H0 lorsque la
statistique :
F =
SCR0 SCR
np
p p0
SCR
62
3.4
Lespace des solutions est M. Tous les vecteurs de M peuvent scrire comme combinaisons linaires des vecteurs colonnes de X. Il arrive parfois que nous souhaitions imposer des contraintes
linaires , par exemple que la premire coordonne de soit gale 1. Nous supposerons en
gnral que nous imposons q contraintes linairement indpendantes , ce qui scrit sous la
forme : R = r, o Rqp est une matrice de rang q < p et r un vecteur de taille q.
Proprits 3.3
Lestimateur des Moindres Carrs Ordinaires sous contrainte, not c , vaut :
= 0,
= 2X Y + 2X X c R
L = Rc r = 0,
:
Nous obtenons alors pour
= 2 R(X X)1 R 1 r R(X X)1 X Y .
do nous dduisons c :
1
3.5
Exemple
Nous allons traiter 50 donnes journalires prsentes en annexe. La variable expliquer est la
concentration en ozone note O3 et les variables explicatives sont la temprature T12, le vent Vx et
la nbulosit Ne12.
> a <- lm(O3 T12+Vx+Ne12,data=DONNEE)
> summary(a)
Arnaud Guyader - Rennes 2
Rgression
3.6. Exercices
63
Call:
lm(formula = O3 T12 + Vx + Ne12, data = DONNEE))
Residuals:
Min
-29.0441
1Q
-8.4833
Median
0.7857
3Q
7.7011
Max
28.2919
Estimate
84.5483
1.3150
0.4864
-4.8935
Std. Error
13.6065
0.4974
0.1675
1.0270
t value
6.214
2.644
2.903
-4.765
Pr(>|t|)
1.38e-07
0.01118
0.00565
1.93e-05
***
*
**
***
Coefficients :
(Intercept)
T12
Vx
Ne12
3.6
Exercices
64
Estimate
62
-4
5
-1.5
-0.5
0.8
Std. Error
10
2
0.75
1
0.5
0.15
t value
1
-5
3
4
5
5.3
Pr(>|t|)
0
0
0
0.13
0.32
0
Estimate
66
-5
6
1
Std. Error
11
1
0.75
0.2
t value
6
-5
8
5
Pr(>|t|)
0
0
0
0
Rgression
3.6. Exercices
65
Y Y0 = p (In P0 )Xp
1 i n.
Les xi,j sont supposes non alatoires. Les erreurs i du modle sont supposes alatoires indpendantes gaussiennes centres de mme variance 2 . On pose comme dhabitude :
1
y1
1 x1,2 x1,3 x1,4
2
..
..
X = ...
, Y = .. , =
.
.
3 .
yn
1 xn,2 xn,3 xn,4
50 0 0 0
0 20 15 4
X X =
0 15 30 10
0 4 10 40
On admettra que
100
50
X Y =
40 ,
80
Y Y = 640.
20 15 4
1100 560
30
1
15 30 10 =
560 784 140 .
13720
4 10 40
30
140 375
P50
2i ,
i=1
2. Donner un intervalle de confiance pour 2 , au niveau 95%. Faire de mme pour 2 (on donne
c1 = 29 et c2 = 66 pour les quantiles dordre 2,5% et 97,5% dun chi-deux 46 ddl).
Rgression
66
SCR = 148.27.
Nous donnons aussi :
(X X)1
0.0288
0.0012 0.0034
= 0.0012
0.0016 0.0010
0.0034 0.0010
0.0009
Calculez
2 et une estimation de Var(b).
3. Donnez un intervalle de confiance au niveau 95% pour . Mme question pour .
4. Testez au niveau 5% H0 : = 0, contre H1 : > 0.
5. Nous voulons tester lhypothse selon laquelle les rendements dchelle sont constants (une
fonction de production F est rendement dchelle constant si R+ , F (L, K) =
F (L, K)). Quelles sont les contraintes vrifies par le modle lorsque les rendements dchelle
sont constants ? Tester au niveau 5% H0 : les rendements sont constants, contre H1 : les rendements sont croissants.
Exercice 3.6 (Modle deux variables explicatives)
On considre le modle de rgression suivant :
yi = 1 + 2 xi,2 + 3 xi,3 + i ,
Arnaud Guyader - Rennes 2
1 i n.
Rgression
3.6. Exercices
67
Les xi,j sont des variables exognes du modle, les i sont des variables alatoires indpendantes,
de loi normale centre admettant la mme variance 2 . En posant :
y1
1 x1,2 x1,3
.. et Y = .. ,
..
X = ...
.
.
.
yn
1 xn,2 xn,3
on a observ :
30 20 0
X X = 20 20 0 ,
0 0 10
15
X Y = 20 ,
10
Y Y = 59.5.
1. Dterminer la valeur de n, la moyenne des xi,3 , le coefficient de corrlation des xi,2 et des
xi,3 .
2. Estimer 1 , 2 , 3 , 2 par la mthode des moindres carrs ordinaires.
3. Calculer pour 2 un intervalle de confiance 95% et tester lhypothse 3 = 0.8 au niveau
10%.
4. Tester 2 + 3 = 3 contre 2 + 3 6= 3, au niveau 5%.
o :
reprsente un vecteur de Rk : = [1 , . . . , k ] ,
Les Yi sont supposes indpendantes entre elles.
Enfin, les valeurs i2 des variances dpendent de lappartenance p sous-populations des lments
sur lesquels les variables sont observes. En regroupant les indices des Yi selon ces sous-populations,
on posera :
I1 = {1, . . . , n1 }, indices des n1 lments de la premire sous-population ;
I2 = {n1 + 1, . . . , n1 + n2 }, indices des n2 lments de la deuxime sous-population ;
... ;
I = {n1 + . . . + n1 + 1, . . . , n1 + . . . + n1 + n }, indices des n lments de la -me souspopulation ;
... ;
Ip = {n1 + . . . + np1 + 1, . . . , n}, indices des np lments de la dernire sous-population.
On admettra lhypothse suivante : si i I , i2 = 2 . Autrement dit, pour les n1 variables
correspondant aux lments de la premire sous-population la valeur est 2 , pour les n2 variables
correspondant aux lments de la deuxime sous-population la valeur est 2 2 , etc., jusqu p 2
pour la variance des variables correspondant aux lments de la dernire sous-population. On veut
estimer et 2 par la mthode du maximum de vraisemblance. On notera ,
2 ces estimateurs.
Rgression
68
j = 1, . . . , k
iI (yi xi ) xij = 0.
=1
(3.3)
(3.4)
5. Montrer que n
2 = kV k2 , o V suit une loi gaussienne centre.
i
h
6. En dduire que E kV k2 est la trace de la matrice de variance-covariance de V .
7. Montrer que n
2 /(n k) est un estimateur sans biais de 2 .
28
26
24
22
20
18
16
14
12
Circonfrence
10
20
30
40
50
60
70
80
yi = 1 + 2 xi + 3 xi + i ,
Arnaud Guyader - Rennes 2
1 i n.
Rgression
3.6. Exercices
69
Les i sont des variables alatoires indpendantes, de loi normale centre admettant la mme
variance 2 . En posant :
x1
y1
1 x1
.. et Y = .. ,
X = ... ...
.
.
1 xn
xn
yn
on a observ :
?
?
9792
X X = ? 3306000
? ,
? 471200 67660
30310
X Y = 1462000 ,
209700
4.646
0.101
1.379
1
X X
= 0.101
0.002 0.030
et
1.379 0.030 0.411
4.
5.
6.
7.
8.
9.
10.
Y Y = 651900.
16.8
(X X)1 X Y = 0.30 .
7.62
Que valent les estimateurs 1 , 2 , 3 par la mthode des moindres carrs ? Grce au calcul
de quelques points, reprsenter la courbe obtenue sur la figure 3.3.
Calculer lestimateur de 2 pour les moindres carrs.
Calculer pour 3 un intervalle de confiance 95%.
Tester lhypothse 2 = 0 au niveau de risque 10%.
Que vaut la hauteur moyenne empirique y ? En dduire le coefficient de dtermination ajust
Ra2 .
Construire un intervalle de prvision 95% de yn+1 connaissant xn+1 = 49.
Construire un intervalle de prvision 95% de yn+1 connaissant xn+1 = 25.
Des deux intervalles prcdents, lequel est le plus grand ? Pouvait-on sy attendre ?
Median
0.02672
3Q
0.25294
Max
0.63803
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.72385
0.12974
?
< 2e-16 ***
Temp
-0.27793
?
-11.04 1.05e-11 ***
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 0.3548 on 28 degrees of freedom
Multiple R-Squared: 0.8131,
Adjusted R-squared: 0.8064
F-statistic: 121.8 on 1 and 28 DF, p-value: 1.046e-11
Rgression
70
4. Prciser les lments du test correspondant la ligne Temp du tableau (H0 , H1 , la statistique
de test, sa loi sous H0 , la rgle de dcision).
5. Interprter le nombre Multiple R-Squared: 0.8131 du tableau.
6. Donner une estimation de la variance du terme derreur dans le modle de rgression simple.
7. Expliquer et interprter la dernire ligne du tableau :
F-statistic: 121.8 on 1 and 28 DF, p-value: 1.046e-11.
Voyez-vous une autre faon dobtenir cette p-value ?
8. Pensez-vous que la temprature extrieure a un effet sur la consommation de gaz ? Justifiez
votre rponse.
Exercice 3.10 (Tests)
Nous nous intressons au modle Y = X + sous les hypothses classiques. Nous avons obtenu
sur 21 donnes :
y = 6.683(2.67) + 0.44(2.32) x1 + 0.425(2.47) x2 + 0.171(2.09) x3 + 0.009(2.24) x4 ,
R2 = 0.54
o, pour chaque coefficient, le nombre entre parenthses reprsente la valeur absolue de la statistique de test.
1. Quelles sont les hypothses utilises ?
2. Tester la nullit de 1 au seuil de 5%.
3. Pouvez-vous tester H0 : 3 = 1 contre H1 : 3 6= 1 ?
4. Tester la nullit simultane des paramtres associs aux variables x1 , . . . , x4 au seuil de 5%.
Exercice 3.11 (Moindres carrs ordinaires)
1. Nous considrons le modle de rgression linaire
Y = X + ,
o Y Rn , X est une matrice de taille n p de rang p, Rp et N (0, 2 In ).
(a) Quappelle-t-on estimateur des moindres carrs de ? Rappeler sa formule.
(b) Quelle est linterprtation gomtrique de Y = X (faites un dessin) ?
Y et
.
(c) Rappeler esprances et matrices de covariance de ,
2. Nous considrons dornavant un modle avec 4 variables explicatives (la premire variable
tant la constante). Nous avons observ :
100 20 0 0
60
20 20 0 0
, X Y = 20 , Y Y = 159.
X X =
0 0 10 0
10
0 0 0 1
1
(a) Estimer et 2 .
Rgression
3.6. Exercices
71
2 sont solutions
(b) En dduire que les estimateurs au maximum de vraisemblance mv et
mv
de :
1 (Y X)
2 = n 2
X 2 (Y X) = 0.
2 et
2 dautre part.
(c) En dduire les relations entre mv et dune part, entre
mv
(d) Prciser alors la loi de . Que dire de celle de
2 ?
1 X
yi
n
&
x
j =
iC
(a) En notant =
+
.
X
1
n
iC i ,
1 X
xij
n
iC
.
(b) Donner la moyenne et la matrice de covariance de
(c) Dduire des questions prcdentes des estimateurs de et 2 .
Rgression
72
1500
1000
0
500
Poids viscr
2000
500
1000
1500
2000
2500
Figure 3.4 Poids de poulpe viscr en fonction du poids non viscr (en grammes).
1. Lensemble de ces donnes est reprsent figure 3.4.
(a) Proposer un modle reliant le poids viscr et le poids non viscr dun poulpe.
(b) Rappeler les formules des estimateurs des paramtres du modle.
(Intercept)
Poids non viscr
Estimate
-2.312146
0.853169
Std. Error
5.959670
0.007649
t value
-0.388
111.545
Pr(>|t|)
0.698
<2e-16
Table 3.1 Poids de poulpes viscrs et non viscrs : rsultats de la rgression linaire simple
(sortie R).
(c) A partir du tableau 3.1, donner les estimations numriques des paramtres du modle.
(d) Que reprsente la valeur 0.698 du tableau 3.1 ? Comment la retrouver ( peu prs)
partir de -0.388 et de la table de la loi normale donne en annexe (faire un dessin).
(e) Au vu de cette valeur 0.698, proposer un autre modle reliant les poids viscr et non
viscr.
2. De faon gnrale, considrons un chantillon de n couples de rels (xi , yi ) suivant le modle
yi = xi + i , o les erreurs i sont supposes gaussiennes indpendantes centres et de mme
variance 2 .
(a) Dterminer lestimateur de minimisant la somme des carrs des carts au modle.
Arnaud Guyader - Rennes 2
Rgression
3.6. Exercices
73
(b) Retrouver le rsultat prcdent partir de la formule gnrale de lestimateur de rgression linaire multiple en considrant la projection du vecteur Y = [y1 , . . . , yn ] sur
la droite vectorielle engendre par le vecteur X = [x1 , . . . , xn ] .
Proposer un estimateur non biais
(c) En dduire la variance de .
2 de 2 .
Poids non viscr
Table 3.2 Poids de poulpes viscrs et non viscrs : rsultats de la rgression linaire simple
avec le modle simplifi (sortie R).
(d) Les rsultats de lanalyse de ce nouveau modle sont fournis dans le tableau 3.2. Localiser
et
2 dans ce tableau.
(e) On veut prdire le poids viscr dun poulpe de poids non viscr x0 . Quelle est la
variance de lerreur de prvision ? Donner un intervalle de confiance 90% autour de la
prvision.
Exercice 3.14 (Comparaison de modles)
On effectue une rgression de y sur deux variables explicatives x et z partir dun chantillon de n
individus, cest--dire que X = [1, x, z], o 1 est le vecteur de taille n compos de 1. On a obtenu
le rsultat suivant :
5 3 0
X X = 3 3 1 .
0 1 1
1. Que vaut n ?
2. Que vaut le coefficient de corrlation linaire empirique entre x et z ?
3. La rgression par moindres carrs ordinaires a donn le rsultat suivant
yi = 1 + 3xi + 4zi + i
Rgression
74
3.7
Corrigs
R2
124
0.6233
np
41
p 1 1 R2
5
1 0.6233
Nous rejetons H0 .
4. Nous sommes en prsence de modles embots, nous pouvons appliquer la formule vue dans
le cours :
np
R2 R02
F =
p p0
1 R2
124 0.6233 0.5312
=
15.
2
1 0.6233
Nous rejettons H0 , i.e. nous conservons le premier modle. Ainsi, bien que considrs sparment, les paramtres associs Ne9 et Ne12 ntaient pas significativement diffrents de 0,
ce test montre quil serait imprudent de rejeter ces deux variables en mme temps.
Ceci nest pas tonnant : les variables Ne9 et Ne12 sont fortement corrles (peu de changement de nbulosit en 3 heures), si bien que lorsque lune est dans le modle, lautre apporte
peu dinformation supplmentaire. Or le test de Student de nullit dun coefficient teste justement la pertinence dune variable lorsque toutes les autres sont prsentes. Le test de Fisher,
par contre, nous apprend que linformation apporte par ces variables nest pas ngligeable.
Au total, la solution serait donc de conserver lune des deux variables et de supprimer lautre.
Dernire remarque : la preuve de la Proposition 3.3 montre que le test de Fisher entre modles embots est li aux rgions de confiance simultanes dfinies par la Proprit 3.2 (ii).
Dans notre cas prcis, la conclusion est la suivante : si lon traait le rectangle de confiance
95% issu des intervalles de confiance de Ne9 et Ne12 , alors le point (0, 0) serait dans ce
rectangle. Par contre, il ne serait pas dans lellipse de confiance 95%. On voit donc sur cet
exemple la pertinence des rgions de confiance simultanes lorsquon a affaire des variables
trs corrles.
Exercice 3.3 (Equivalence du test T et du test F )
1. Sous lhypothse H0 : p = 0, le test de Student scrit
T =
p
Tnp
o
p est lestimateur de lcart-type de p , cest--dire
q
p =
p =
(X X)1
p,p .
Arnaud Guyader - Rennes 2
Rgression
3.7. Corrigs
75
kY Y0 k2
1
Fnp
Z
Sn /n
Tn ,
loi de Student n degrs de libert. Il suffit alors de voir que Z 2 suit une loi du chi-deux
un seul degr de libert pour en dduire que
Fn = Tn2 =
Z2
Fn1 ,
Sn /n
loi de Fisher 1 et n degrs de libert. En particulier, les quantiles dune loi de Fisher 1
et n degrs de libert sont les carrs des quantiles dune loi de Student n degrs de libert.
4. Avec les notations de lnonc, la matrice X X sous forme blocs comme suit
X X =
X0 X0 X0 Xp
Xp X0 Xp Xp
5. La formule dinversion matricielle par blocs (B.2) rappele en Annexe donne alors pour le
dernier coefficient diagonal
[(X X)1 ]pp = Xp Xp Xp X0 (X0 X0 )1 X0 Xp
do
1
[(X X)1 ]pp
1
1
= Xp (In P0 )Xp
76
1100 560
30
1
560 784 140 .
13720
30
140 375
Il en rsulte que
P50
2
2.55
0.57 .
1.89
2i
i=1
scrit encore
k
k2 = kY Y k2 = kY k2 kY k2 ,
cette dernire relation dcoulant de Pythagore. Le premier terme ne pose pas problme
puisque kY k2 = Y Y = 640. Pour le second, il suffit de remarquer que
2 = (X X) = Y X 458.
kY k2 = kX k
Ainsi la somme des carrs des rsidus vaut k
k2 182. On en dduit que lestimateur de 2
vaut
k
k2
3.96.
2 =
46
2. Puisquon sait que :
2 2
2 2
Tn4 = T46 ,
= q
(X X)1
2,2
(X X)2,2 ,
(X X)2,2 ; 2 + t46 (0.975)
I(2 ) = 2 t46 (0.975)
cest--dire :
h
i
p
p
I(2 ) 2.55 2.0 3.96 1100/13720; 2.55 + 2.0 3.96 1100/13720 [1.42; 3.68].
Rgression
3.7. Corrigs
77
46 kY y1k2
n p kY y1k2
3
=
F46
p1
3
kY Y k2
kY Y k2
1
1 + x51 (X X) x51 ,
I(y51 ) = y51 t46 (0.975)
1 + x51 (X X) x51 ; y51 + t46 (0.975)
soit I [1.61; 10.53].
1 log L1 log K1
log V1
..
..
..
X = ...
Y =
.
.
.
1 log Ln log Kn
log Vn
b=
= ...
n
2 =
kY Y k2
,
n3
2 =
=
0.09
n3
1655
Une estimation de Var(b) est donc
Rgression
0.0288
0.0012 0.0034
= 0.09 0.0012
0.0016 0.0010 .
0.0034 0.0010
0.0009
Arnaud Guyader - Rennes 2
78
Tn3 = T1655 ,
= q
(X X)1
2,2
I() 0.738 1.96 0.09 0.0016; 0.738 + 1.96 0.09 0.0016 [0.71; 0.76].
I() 0.282 1.96 0.09 0.0009; 0.282 + 1.96 0.09 0.0009 [0.26; 0.30].
Tn3 = T1655 .
= q
(X X)1
3,3
0.282
quantile dordre 0.95 dune loi de Student 1655 degrs de libert. Nous rejetons donc
lhypothse H0 .
5. Puisque V = F (L, K) = L K , il vient directement
F (L, K) = + L K = + F (L, K).
Donc dire que le rendement dchelle est constant, cest encore dire que + = 1. A contrario,
les rendements sont croissants si F (L, K) > F (L, K), cest--dire que + > 1. Nous
allons donc tester au niveau 5% H0 : + = 1, contre H1 : + > 1.
Sous lhypothse H0 , nous savons que
+ 1
Tn3 = T1655 ,
+
dont le quantile dordre 0.95 est 1.645. Il nous suffit donc de calculer
+
. Or de faon
gnrale, on a la dcomposition :
+ Var(
),
Var( + ) = Var()
) + 2Cov(,
q
+ ), o :
donc lestimateur cherch est
+
Var(
=
+ Var(
),
+ ) = Var(
)
) + 2Cov(
,
Var(
Rgression
3.7. Corrigs
79
0.738 + 0.282 1
En conclusion, lhypothse selon laquelle les rendements seraient constants est refuse. Au
niveau 5%, on accepte lhypothse selon laquelle ils sont croissants.
Exercice 3.6 (Modle deux variables explicatives)
Cet exercice est corrig en annexe (sujet de dcembre 2009).
Exercice 3.7 (Modle htroscdastique)
Cet exercice est corrig en annexe (sujet de dcembre 2009).
Exercice 3.8 (La hauteur des eucalyptus)
Cet exercice est corrig en annexe (sujet de dcembre 2010).
Exercice 3.9 (Consommation de gaz)
Cet exercice est corrig en annexe (sujet de dcembre 2010).
Exercice 3.10 (Tests)
Cet exercice est corrig en annexe (sujet de dcembre 2011).
Exercice 3.11 (Moindres carrs ordinaires)
Cet exercice est corrig en annexe (sujet de dcembre 2011).
Exercice 3.12 (Moindres carrs pondrs)
Cet exercice est corrig en annexe (sujet de dcembre 2011).
Exercice 3.13 (Octopuss Garden)
Cet exercice est corrig en annexe (sujet de dcembre 2012).
Exercice 3.14 (Comparaison de modles)
Cet exercice est corrig en annexe (sujet de dcembre 2012).
Rgression
Chapitre 4
Validation du modle
Introduction
En prsence dun chantillon de n observations (xi , yi )1in valeurs dans
tapes de la rgression linaire sont les suivantes :
Rp R, les grandes
(H1 ) : rg(X) = p
(H2 ) : N (0, 2 In )
2. Estimation. Nous estimons alors les paramtres et 2 par la mthode des moindres
carrs, laquelle est grosso modo quivalente la mthode du maximum de vraisemblance,
ce qui donne les estimateurs et
2 . Des lois de et
2 , nous avons dduit des intervalles
et/ou rgions de confiance pour et 2 , et avons pu construire des tests dhypothses.
3. Validation. Les deux premiers points tant acquis, il sagit dans ce chapitre de valider nos
hypothses. Autant la vrification de (H1 ) ne pose pas problme, autant celle de (H2 ) savre
dlicate. Nous nous contenterons donc de donner quelques pistes.
4.1
Lexamen des rsidus constitue une tape primordiale de la rgression linaire. Cette tape tant
essentiellement fonde sur des mthodes graphiques, il est difficile davoir des rgles strictes de
dcision. Lobjectif de cette partie est de prsenter ces mthodes graphiques. Commenons par
rappeler les dfinitions des diffrents rsidus.
4.1.1
82
Rsidus
E[i ] = 0
E[i ] = 0
Var() = 2 I
Var(
) = 2 (I H)
1 hii
Puisquon a simplement remplac par son estime
, on pourrait croire que ces rsidus suivent
une loi de Student : patatras, il nen est rien ! Cest pourquoi nous utiliserons plutt les rsidus
studentiss, souvent appels studentized residuals dans les logiciels et dfinis par :
ti =
i
,
(i) 1 hii
o
(i) est lestimateur de dans le modle linaire priv de lobservation i.
Ces rsidus ti suivent bien une loi de Student (cf. Thorme 4.1 ci-aprs). Ils sont construits selon
la logique de validation croise (en abrg VC, ou plus prcisment mthode du leave-one-out),
cest--dire comme suit :
1. Dans un premier temps, nous estimons les paramtres et 2 laide de tous les individus
2 ;
sauf le ime , nous obtenons ainsi les estimateurs (i) et
(i)
2. Dans un second temps, nous considrons que la ime observation xi = [xi1 , . . . , xip ] est une
nouvelle observation et nous prvoyons yi par yip de faon classique : yip = xi (i) .
Le chapitre prcdent permet alors de prciser la loi suivante :
(i)
yi yip
X )1 x
1 + xi (X(i)
i
(i)
Tnp1 ,
Thorme 4.1
Si la matrice X est de plein rang et si la suppression de la ligne i ne modifie pas le rang de la
matrice, alors les rsidus studentiss par validation croise vrifient :
ti =
yi yip
yi yi
q
i
Tnp1 .
=
=
X )1 x
(i) 1 hii
(i) 1 hii
(i) 1 + xi (X(i)
i
(i)
Rgression
83
2. X X = X(i)
(i) + xi xi .
1
= M 1
M 1 uv M 1
.
1 + u M 1 v
Y
3. X Y = X(i)
(i) + xi yi .
4. hii = xi (X X)1 xi .
Dans notre situation, le lemme dinversion matricielle scrit :
(X(i)
X(i) )1 = (X X xi xi )1 = (X X)1 +
(X X)1 xi xi (X X)1
,
1 xi (X X)1 xi
(X(i)
X(i) )1 = (X X)1 +
1
(X X)1 xi xi (X X)1 .
1 hii
Calculons alors la prvision yip , o (i) est lestimateur de obtenu sans la ime observation :
.
=
ti =
(i)
(i) 1 hii
X )1
Pour terminer, remarquons quen multipliant la relation obtenue ci-dessus pour (X(i)
(i)
h2ii
.
1 hii
1
hii
=
,
= 1+
1 hii
1 hii
xi (X(i)
X(i) )1 xi = hii +
1 + xi (X(i)
X(i) )1 xi
yi yip
yi yi
q
.
=
=
X )1 x
(i) 1 hii
(i) 1 hii
(i) 1 + xi (X(i)
i
(i)
Le rsultat sur la loi de lerreur de prvision vu au chapitre prcdent sapplique alors directement
et ceci achve la preuve.
Rgression
84
= ti
np1
,
n p t2i
qui assure quon ne paie rien de plus en temps de calcul remplacer les ti par les ti (voir par
exemple larticle dAtkinson [2]). Notons aussi sur cette formule que les ti sont une fonction croissante des ti . En dautres termes, les plus grandes valeurs des rsidus studentiss correspondent aux
plus grandes valeurs des rsidus standardiss.
Une valeur aberrante est une observation qui est mal explique par le modle et qui conduit un
rsidu lev en ce point. Nous pouvons donc la dfinir grce aux rsidus studentiss ti .
Dfinition 4.1
Une donne aberrante est un point (xi , yi ) pour lequel le rsidu studentis par validation croise ti
est lev compar au seuil donn par la loi de Student : |ti | tnp1 (1 /2).
Remarque. En pratique, si = 5% et (n p 1) 30, alors tnp1 (1 /2) 2.
3 2 1 0
Gnralement, les donnes aberrantes sont dtectes en traant les ti squentiellement ou en fonction dautres variables (yi , xi , yi , etc.). La dtection des donnes aberrantes ne dpend que de la
valeur des rsidus. Ces reprsentations graphiques permettent de sassurer aussi de la validit du
modle.
10
(a)
15
20
10
(b)
Figure 4.1 Rsidus studentiss corrects (figure a) et rsidus studentiss avec un individu aberrant
vrifier, signal par une flche, et un second moins important (figure b).
La figure 4.1(a) montre un ajustement satisfaisant o aucune structure ne se dgage des rsidus et
o aucun rsidu nest plus grand que la valeur test 2. Remarquons quen thorie % des individus
possdent des valeurs aberrantes. Nous cherchons donc plutt les rsidus dont les valeurs absolues
sont nettement au-dessus de tnp1 (1 /2) 2. Ainsi, en figure 4.1(b), nous nous intresserons
seulement lindividu dsign par une flche.
Arnaud Guyader - Rennes 2
Rgression
4.1.2
85
Analyse de la normalit
Lhypothse de normalit est difficile vrifier. Notons dj que si les erreurs i sont indpendantes
de loi normale N (0, 2 ), les rsidus studentiss ti suivent eux une loi de Student et ne sont pas
indpendants. Nanmoins, si n p, cette loi de Student est quasiment une loi normale.
Laspect quasi gaussien des ti peut alors tre examin de plusieurs faons. Un histogramme est
la mthode la plus grossire. Citons aussi le graphique comparant les quantiles des rsidus estims
lesprance des mmes quantiles sous lhypothse de normalit. Ce type de graphique est appel
Q-Q plot (ou diagramme quantile-quantile).
4.1.3
Analyse de lhomoscdasticit
1.5
|ti |
1.0
0.0
0.5
ti
2.0
2.5
3.0
Il nexiste pas de procdure prcise pour vrifier lhypothse dhomoscdasticit. Nous proposons
plusieurs graphiques possibles pour dtecter une htroscdasticit. Il est recommand de tracer
les rsidus studentiss ti en fonction des valeurs ajustes yi , cest--dire tracer les couples de points
(
yi , ti ). Si une structure apparat (tendance, cne, vagues), lhypothse dhomoscdasticit risque
fort de ne pas tre vrifie. Voyons cela sur un graphique.
yi
yi
4.1.4
Par lhypothse (H2 ), les erreurs i sont supposes tre indpendantes, mais ceci est bien sr impossible vrifier puisque ces erreurs sont inconnues : nous navons accs quaux rsidus i , or
ceux-ci ne sont pas indpendants, ils ne sont mme pas dcorrls puisque Var(
) = 2 (I H).
Dun point de vue graphique, une reprsentation des rsidus judicieuse pourra nanmoins permettre de suspecter quelques cas de non-indpendance et de complter lanalyse obtenue par des
Rgression
86
21
2.5
1.5
26
2.5
38
22
13
Nevada
25
14
20
Californie
24
8
23
3 16
10
4
7
34
19
5
17
Mexique
18
11
2
30
12
15
1
9
Lutilisation dun lisseur peut permettre de dgager une ventuelle structuration dans les rsidus
(voir figure 4.4) et ce de manire aise et rapide, ce qui est primordial. Il est cependant difficile,
voire impossible, de discerner entre une structuration due un oubli dans la modlisation de la
moyenne et une structuration due une mauvaise modlisation de la variance (voir figure 4.4).
Un autre type de structuration des rsidus peut tre d une mauvaise modlisation. Supposons
que nous ayons oubli une variable intervenant dans lexplication de la variable Y . Cet oubli se
retrouvera forcment dans les rsidus, qui sont par dfinition les observations moins les estimations par le modle. Lhypothse dabsence de structuration (Cov(i , j ) = 0 i 6= j) risque de ne
pas tre vrifie. En effet, la composante oublie dans le modle va sadditionner au vrai bruit et
devrait apparatre dans le dessin des rsidus.
Une forme quelconque de structuration dans le graphe des rsidus sera annonciatrice dun mauvais
Arnaud Guyader - Rennes 2
Rgression
87
0.0
0.5
1.0
1.5
2.0
2.5
0.0
0.5
1.0
(a)
1.5
2.0
2.5
(b)
ajustement du modle. Une fois dtecte une structuration, il suffit, si lon peut dire, dajouter
au modle une variable explicative possdant la mme structuration. Voyons cela sur un exemple
graphique.
10
20
30
Indice
40
50
3
2
3
2
1
0
1
2
La figure (4.5) montre les graphiques dun modle linaire y = + 1 x1 + alors que le vrai
modle est deux variables y = + 1 x1 + 2 x2 + . Lajustement nest pas satisfaisant puisquune tendance linaire dcroissante se dgage des rsidus de la troisime reprsentation. Notons
limportance du choix de laxe des abscisses : les deux premiers graphiques, reprsentant les mmes
rsidus, ne laissent pas souponner cette tendance dcroissante. Le modle linaire propos nest
donc pas judicieux, il serait bon dajouter la variable oublie x2 .
0.0
0.5
1.0
yi
1.5
2.0
x2
Figure 4.5 Rsidus studentiss avec une tendance dcroissante due loubli dune variable x2
dans le modle. Les rsidus studentiss sont reprsents comme fonctions du numro de lobservation (indice), de lestimation du modle yi et comme fonction de x2 .
Malgr tout, ce type de diagnostic peut tre insuffisant. Une autre mthode plus prcise, mais fastidieuse, consiste regarder, variable explicative par variable explicative, si la variable considre
agit bien de manire linaire sur la variable expliquer. Ce type danalyse sera men avec des rsidus appels rsidus partiels (ou rsidus partiels augments) ou encore via des rgressions partielles.
Ces graphiques permettent de constater si une variable candidate est bien utile au modle et, le cas
chant, de trouver dventuelles fonctions non linaires de variables explicatives dj prsentes.
Rappelons quune fonction non linaire f fixe dune variable explicative xj est considre comme
une variable explicative part entire xp+1 = f (xj ).
Rgression
88
4.2
Nous souhaiterions maintenant avoir une mesure synthtique du poids dune observation sur sa
propre prvision par le modle. Cette prvision utilise la matrice de projection orthogonale sur
lespace engendr par les colonnes de X, savoir PX = H = X(X X)1 X . En effet, nous avons
vu que Y = PX Y = HY . Commenons par donner quelques proprits trs gnrales sur les
matrices de projection orthogonale.
Proprits 4.1 (Proprits dune matrice de projection orthogonale)
Soit H = PX la matrice n n de projection orthogonale sur le sous-espace M de dimension p
engendr par les colonnes de X. Alors :
P
1. Tr(H) = ni=1 hii = p.
P P 2
2.
i
j hij = p.
3. Pour tout i {1, . . . , n}, 0 hii 1.
3. Puisque les matrices H et H 2 sont gales, nous avons en particulier hii = (H 2 )ii . Cela scrit,
en utilisant la symtrie de H :
hii =
n
X
j=1
X
j6=i
h2ij .
j6=i
La quantit de droite de la dernire galit est positive, donc le troisime point est dmontr.
4. Cette proprit se dduit directement de lquation prcdente.
P
5. Nous pouvons crire : hii (1 hii ) = h2ij + k6=i,j h2ik . La quantit de gauche est maximum
lorsque hii = 0.5 et vaut alors 0.25. Le dernier point est ainsi prouv.
Rgression
89
n
X
hij yj = hii yi +
j=1
hij yj ,
j6=i
pour sapercevoir que hii reprsente en quelque sorte le poids de lobservation yi sur sa propre
prdiction yi . Ainsi :
si hii = 1, hij = 0 pour tout j 6= i, et yi est entirement dtermin par yi , puisque yi = yi ;
si hii = 0, hij = 0 pour tout j 6= i donc yi = 0, et yi na aucune influence sur yi ;
plus gnralement, si hii est grand, yi influe fortement sur yi , comme en tmoigne la formule
prcdemment tablie :
yi yi = (1 hii )(yi yip ),
qui montre la variation dans la prdiction de yi selon que lon prend en compte ou non la ime
observation.
P
Puisque Tr(PX ) = hii = p, la moyenne des hii est gale p/n. Ceci permet de quantifier quelque
peu la notion de grand.
Dfinition 4.2 (Point levier)
Un point (xi , yi ) est appel point levier si :
hii > 2p/n selon Hoaglin & Welsch (1978) ;
hii > 3p/n pour p > 6 et n p > 12 selon Velleman & Welsch (1981) ;
hii > 0.5 selon Huber (1981).
hii
yi
2
1
0
xi
Remarque. Si la constante fait partie du modle (i.e. la plupart du temps), on peut affiner la
Proprit 4.1, puisque les termes diagonaux hii sont en fait tous suprieurs 1/n. Il est galement
possible de prouver que hii correspond dune certaine faon la distance du point xi au centre
de gravit x
du nuage de points (xi )1in de lchantillon. Pour plus de dtails sur ces points, on
pourra consulter le livre de Antoniadis, Berruyer et Carmona, Rgression non linaire et applications, Economica (1992), pages 36-40.
10
20
30
Indice
40
50
Figure 4.6 Exemple dun point levier, figur par la flche, pour un modle de rgression simple.
Quantification par hii de la notion de levier. La ligne en pointills longs reprsente le seuil de 2p/n,
celle en pointills courts le seuil de 3p/n.
Pour un modle de rgression simple dont le nuage de points est reprsent sur la figure 4.6, le
point dsign par une flche est un point levier. Sa localisation sur laxe x diffre des autres points
et son poids hii est prpondrant et suprieur aux valeurs seuils de 2p/n et 3p/n.
Rgression
90
4.3
((i) )
d((i) , ) =
o Q est une matrice symtrique dfinie positive. De nombreux choix sont possibles. Si nous
revenons la rgion de confiance simultane de donne au Chapitre 3, nous obtenons en prenant
R = Ip et = 5% :
1
) f p (0.95) .
RC () =
Rp :
(
)
(X
X)(
np
p
2
Cette quation donne une rgion de confiance pour autour de et permet de dire que, en
moyenne, dans 95% des cas, la distance entre et (selon la matrice Q = (X X)/p
2 ) est infp
rieure fnp (0.95). Par analogie, nous pouvons utiliser cette distance, appele distance de Cook,
pour mesurer linfluence de lobservation i sur le modle.
Dfinition 4.3 (Distance de Cook)
La distance de Cook pour la ime observation est dfinie par :
Ci =
1
(X X)((i) ).
( )
p
2 (i)
Remarque. Il y a dans cette terminologie un lger abus de langage, puisque la distance de Cook
est en fait le carr dune distance.
Preuve. Nous allons utiliser les rsultats tablis dans la preuve du thorme 4.1. Par dfinition,
nous avons :
(i) = (X(i)
X(i) )1 X(i)
Y(i) ,
X )1 et le fait que X Y
X Y xi y i ,
(i) = (X X) +
1 hii
Rgression
91
hii
1
(X X)1 xi xi
(X X)1 xi yi ,
1 hii
1 hii
i
(X X)1 xi ,
1 hii
et puisquon a vu dans la preuve du thorme 4.1 que i = (1 hii )(yi yip ), on en dduit que :
(i) = (yi yip )(X X)1 xi .
Il suffit dappliquer cette expression et le fait que hii = xi (X X)1 xi pour obtenir la deuxime
expression de la distance de Cook :
Ci =
1 hii 2
t .
p 1 hii i
que la distance de Cook peut tre vue comme la contribution de deux termes. Le premier,
hii /(1 hii ), est dautant plus grand que le point est levier tandis que le second, t2i , est dautant plus grand que le point est aberrant.
Exemple. Pour le modle de rgression simple de la figure 4.6, nous avons trac sur la figure 4.7 :
la droite des moindres carrs, les rsidus studentiss par validation croise, les distances de Cook.
Nous voyons que des points ayant de forts rsidus (loigns de la droite) possdent des distances
de Cook leves (cas des points 4, 6, 12, 29, 44 et 45). Le point 51, bien quayant un rsidu faible
puisquil se situe dans le prolongement de laxe du nuage, apparat comme ayant une distance de
Cook relativement forte (la 8me plus grande). Ceci illustre bien que la distance de Cook opre
un compromis entre points aberrants et points leviers. Notons enfin que, dans notre cas prcis, les
2 (0.5) 0.7 et f 2 (0.1) 0.11, ce dernier figurant en pointill
seuils de la distance de Cook sont f49
49
sur la figure 4.7. Sur ce graphique, les distances de Cook semblent assez bien rparties au niveau
hauteur et aucun point ne se dtache nettement.
Exemple (suite). En utilisant les mmes 50 points, on remplae simplement le point levier 51
par un point franchement aberrant(cf. figure 4.8 au centre, son rsidu t51 tant trs lev). Malgr
la position de ce point 51 lintrieur du nuage des xi , la distance de Cook est leve et ceci
uniquement cause de son caractre aberrant. Bien entendu un point peut tre la fois levier et
p
2 (0.5) 0.7, semble assez conservateur : en pratique,
aberrant. Le seuil de fnp
(0.5), ici gal f49
Rgression
49
44
49
+
44
+
+
+
+ +++++
+
+
++++++++
+
+
+
+
6
+
+
++ +
+ 45
+4 ++ +++
+ ++++ 29
+
++++
+++ 12
+
0
ti
51
12
2
3
0
yi
3
xi
45
29
0
distance de Cook
51
+
xi
92
6
45
49
4
29
12
10
20
30
Indice
44 51
40
50
Figure 4.7 Exemple du point levier (numro 51). Les points associs aux 8 plus grandes valeurs
de la distance de Cook sont numrots ainsi que leurs distances de Cook et leurs rsidus studentiss.
La droite en trait plein est la droite ajuste par MCO.
0.5
1.0
1.5
2
0
1
45
29
51
0.0
0.5
1.0
1.5
2.0
2.5
distance de Cook
1
2.5
12
y
1
0
2.0
49
44
+ ++++
+ + +
+ +
+ ++ ++
+
+
+
45
+
+
+
++
+6 +
+
+ +
+
+
+4
+
+ + ++
29
+
+ +
++
+
+
51
+
12
+++
+
+
0.0
6
4
49
+
44
+
51
49
6
4
45
44
12
10
29
20
30
40
50
Index
Figure 4.8 Exemple de point fortement aberrant (numro 51). Les points associs aux 8 plus
grandes valeurs de la distance de Cook sont numrots ainsi que leurs distances de Cook et leurs
rsidus studentiss (par VC). La droite en trait plein est la droite ajuste par MCO.
Une autre mesure dinfluence est donne par la distance de Welsh-Kuh. La dfinition de la distance
de Cook pour lobservation i fait intervenir la variance estime de lerreur
2 . Il faut donc utiliser
2
2
un estimateur de . Si lon utilise lestimateur classique
, alors une observation influente risque
2
2 , obtenu pas validation croise.
de perturber lestimation
. Il est donc prfrable dutiliser
(i)
Lcart de Welsh-Kuh, souvent appel DFFITS (pour DiFference in FITs, Standardized) par les
logiciels, est donc dfini par
r
hii
,
W ki = |ti |
1 hii
et permet dvaluer lcart standardis entre lestimation btie sur toute les observations et lestimation btie sur toutes les observations sauf la ime . Cet cart de Welsh-Kuh mesure ainsi linfluence
simultane dune observation sur lestimation des paramtres et 2 . Si lcart de Welsh-Kuh
est suprieure 2 p + 1/ n en valeur absolue, alors il est conseill danalyser les observations
correspondantes.
Rgression
Annexe A
Annales
Universit de Rennes 2
Master de Statistiques
Dure : 2 heures
hauteur
28
26
24
22
20
18
16
14
12
Circonfrence
10
20
30
40
50
60
70
80
94
Chapitre A. Annales
On souhaite expliquer la hauteur y (en mtres) dun arbre en fonction de sa circonfrence x
(en centimtres) 1m30 du sol. On a relev n = 1429 couples (xi , yi ), le nuage de points tant
reprsent figure A.1. On a obtenu (
x, y) = (47, 3; 21, 2) et :
n
X
i=1
n
X
(xi x
) = 102924
i=1
n
X
(xi x
)(yi y) = 26466
(yi y) = 8857
i=1
6. Etant donn la forme du nuage de points, on veut expliquer la hauteur non seulement par la
circonfrence, mais aussi par la racine carre de celle-ci :
yi = 1 + 2 xi + 3 xi + i .
Pour 3 , on a obtenu
3 = 10 et
3 = 0, 78. Tester lhypothse H0 : 3 = 0 contre H1 : 3 6= 0.
1 i n.
Les xi,j , sont des variables exognes du modle, les i sont des variables alatoires indpendantes,
de loi normale centre admettant la mme variance 2 . En posant :
1 x1,2 x1,3
y1
..
.. et Y = .. ,
X = ...
.
.
.
1 xn,2 xn,3
yn
on a observ :
30 20 0
X X = 20 20 0 ,
0 0 10
15
X Y = 20 ,
10
Y Y = 59.5.
1. Dterminer la valeur de n, la moyenne des xi,3 , le coefficient de corrlation des xi,2 et des
xi,3 .
2. Estimer 1 , 2 , 3 , 2 par la mthode des moindres carrs ordinaires.
3. Calculer pour 2 un intervalle de confiance 95% et tester lhypothse 3 = 0.8 au niveau
10%.
4. Tester 2 + 3 = 3 contre 2 + 3 6= 3, au niveau 5%.
Rgression
95
6. Construire un intervalle de prvision 95% de yn+1 connaissant : xn+1,2 = 3 et xn+1,3 = 0, 5.
III. Modle htroscdastique
On considre n observations y1 , . . . , yn dune variable dfinie sur une certaine population, et n
kuplets xi (xi = [xi1 , . . . , xik ]) correspondant aux valeurs prises par k autres variables sur les
mmes lments de cette population. On suppose que pour tout i, yi est la valeur prise par une
variable alatoire Yi , et quil existe Rk pour lequel :
Yi N xi , i2
1 i n,
o :
reprsente un vecteur de Rk : = [1 , . . . , k ] ,
Les Yi sont supposes indpendantes entre elles.
Enfin, les valeurs i2 des variances dpendent de lappartenance p sous-populations des lments
sur lesquels les variables sont observes. En regroupant les indices des Yi selon ces sous-populations,
on posera :
I1 = {1, . . . , n1 }, indices des n1 lments de la premire sous-population ;
I2 = {n1 + 1, . . . , n1 + n2 }, indices des n2 lments de la deuxime sous-population ;
... ;
I = {n1 + . . . + n1 + 1, . . . , n1 + . . . + n1 + n }, indices des n lments de la -me souspopulation ;
... ;
Ip = {n1 + . . . + np1 + 1, . . . , n}, indices des np lments de la dernire sous-population.
On admettra lhypothse suivante : si i I , i2 = 2 . Autrement dit, pour les n1 variables
correspondant aux lments de la premire sous-population la valeur est 2 , pour les n2 variables
correspondant aux lments de la deuxime sous-population la valeur est 2 2 , etc. , jusqu p 2
pour la variance des variables correspondant aux lments de la dernire sous-population. On veut
estimer et 2 par la mthode du maximum de vraisemblance. On notera ,
2 ces estimateurs.
1. Que vaut fYi (yi ), fYi reprsentant la densit de la loi normale N xi , i2 ?
2. Montrer que et
2 sont solutions du systme dquations :
(
Pp 1 P
xi )2 = n 2
iI (yiP
=1 P
p
1
j = 1, . . . , k
iI (yi xi ) xij = 0.
=1
(A.1)
kA (Y X)k2 = n 2
X A2 (Y X) = 0.
(A.2)
5. Montrer que n
2 = kV k2 , o V suit une loi gaussienne centre.
i
h
2
6. En dduire que E kV k est la trace de la matrice de variance-covariance de V .
7. Montrer que n
2 /(n k) est un estimateur sans biais de 2 .
Rgression
96
Chapitre A. Annales
8. On note X la matrice (n k) forme par les lignes dindices I de X, suppose de rang
plein, Y le vecteur colonne (n 1) des composantes dindices I de Y . En posant =
(X X )1 X Y , montrer que est un estimateur sans biais de .
9. (Bonus) Que peut-on dire de la diffrence des matrices de variance-covariance de et de ?
Rgression
97
Universit de Rennes 2
Master de Statistiques
Dure : 2 heures
Corrig du Contrle
Hauteur
25
20
+
+
+ +
+
+
+
+ + + +
+
+
+
+
+ +
+ +
+ +
+
+
+
+ + + +
+ +
+
+ +
+
+ +
+
+ +
+
+
+
+
+
+ +
15
+
+
+
+
+
+
+
+
+
+ + +
+ +
+
+ + + + +
+
+
+ + +
+ +
+ +
+ + +
+
+ + +
+ + +
+
+ + + + +
+ + +
+ + +
+
+ + +
+
+ + + +
+ + +
+
+
+ +
+ + + +
+
+
+
+
+
+
+ +
+
+
+
+ +
+ +
+
+ +
+ +
+ +
+ +
+
+ +
+ +
+
+ +
+
+ +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+ +
+ +
+
+
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ + +
+ +
+ +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+
+
+ +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+ + +
+
+ +
+
+
+
+
+
Circonfrence
30
40
50
60
70
Pn i
2 = i=1
0, 257.
)2
i=1 (xi x
Et pour estimateur de 1 :
1 = y 2 x
9, 04.
On en conclut que 77% de la variance des hauteurs yi des eucalyptus est explique par la
circonfrence 1m30 du sol. Ce modle de rgression linaire simple semble donc efficace.
Rgression
98
Chapitre A. Annales
3. Un estimateur non biais
2 de 2 est tout simplement :
Pn
Pn
(yi yi )2
i )2
2
i=1 (yi y
= i=1
1, 438.
=
n2
1427
4. Un estimateur
12 de la variance de 1 est alors donn par :
12
2
Pn
Pn
2
i=1 xi
i=1 (xi
x
)2
P
+ ni=1 (xi x
)2
Pn
0, 032.
n i=1 (xi x
)2
x
2 n
5. On sait que lestimateur centr et normalis de 1 suit une loi de Student (n 2) = 1427
degrs de libert :
1 1
T1427 ,
3
Tn3 = T1426 ,
3
ce qui donne ici :
t = T () =
10
12, 8.
0, 78
Ici encore, on rejette H0 sans hsiter. A titre indicatif, la courbe des moindres carrs est
reprsente figure A.2.
II. Modle deux variables explicatives
On considre le modle de rgression suivant :
yi = 1 + 2 xi,2 + 3 xi,3 + i ,
1 i n.
Les xi,j , sont des variables exognes du modle, les i sont des variables alatoires indpendantes,
de loi normale centre admettant la mme variance 2 . En posant :
y1
1 x1,2 x1,3
.. et Y = .. ,
..
X = ...
.
.
.
yn
1 xn,2 xn,3
on a observ :
30 20 0
X X = 20 20 0 ,
0 0 10
Arnaud Guyader - Rennes 2
15
X Y = 20 ,
10
Y Y = 59.5.
Rgression
99
1. La valeur de n se lit en haut gauche de la matrice X X, cest--dire n = (X X)1,1 = 30.
De mme, la moyenne des xi,3 correspond :
30
(X X)1,3
1 X
xi,3 =
= 0.
30
30
i=1
Puisque les xi,3 sont centrs, le coefficient de corrlation entre les deux variables x2 et x3 est
alors :
P30
(X X)2,3
i=1 xi,2 xi,3
r2,3 = qP
= qP
= 0.
qP
qP
30
30
30
30
2
2
2
2
i,2 )
i,2 )
i=1 (xi,2 x
i=1 (xi,2 x
i=1 xi,3
i=1 xi,3
0.1 0.1 0
15
0.5
= (X X)1 X Y = 0.1 0.15 0 20 = 1.5 .
0
0
0.1
10
1
2 =
2
2
kY k2 kX k
kY X k
=
,
n3
27
2 =
Y Y Y X(X X)1 X Y
= 1.
27
(X X)1
2,2
i
h
(X X)3,3 ,
(X X)3,3 ; 3 + t27 (0.95)
I(3 ) = 3 t27 (0.95)
ce qui donne :
h
i
2 +3
Rgression
100
Chapitre A. Annales
avec :
2 +3 =
22 + 2Cov(2 , 3 ) +
32 =
1
1
(X X)1
2,2 + 2(X X)2,3 + (X X)3,3 ,
cest--dire
2 +3 = 0.5. Donc un intervalle de confiance 95% pour 2 + 3 est :
I(2 + 3 ) = [2.5 0.5t27 (0.975); 2.5 + 0.5t27 (0.975)] [1.47; 3.53].
Par consquent, au niveau 5%, on accepte H0 : 2 + 3 = 3 contre H1 : 2 + 3 6= 3.
n 1 kY Y k2
2
=
1
(n
1)
,
n p kY y1k2
kY y1k2
donc :
Ra2 = 1
29
0.44.
30
y2
9
,
2
1. Par dfinition de la loi normale N xi , i2 , on a tout simplement :
fYi (yi ) = q
(yi xi )2
.
exp
2
2
2
i
2i
1
2. Les variables Yi tant indpendantes, la densit jointe fY (y) du n-uplet Y = (Y1 , . . . , Yn ) est
le produit des densits fYi (yi ), ce qui donne pour la vraisemblance :
p X
)2
X
1
(y
x
i
i
,
L(y, , 2 ) = fY (y) =
n exp
22
(2)n/2 1n1 . . . p p
=1 iI
p
X
X
1
1
1
(yi xi )2 ,
exp 2
L(y, , 2 ) =
2
do pour la log-vraisemblance :
log L(y, , 2 ) = c
Arnaud Guyader - Rennes 2
p
1 X1X
n
(yi xi )2 ,
log 2 2
2
2
=1
iI
Rgression
101
o c est une constante. Les estimateurs du maximum de vraisemblance sont obtenus en
annulant les drives partielles de cette log-vraisemblance par rapport 1 , . . . , k et 2 .
Pour tout j {1, . . . , k}, le calcul donne :
p
1 X1X
log L
(yi xi )xij .
(y, , 2 ) = 2
j
=1
iI
=1
iI
j = 1, . . . , k
iI (yi xi ) xij = 0.
=1
(A.3)
si i Il , et en
p
X
1X
=1
iI
yi xi
2
On en dduit :
p
X
1X
=1
iI
yi xi
2
= n 2 kA (Y X)k2 = n 2 .
p
p
X
X
X
X
1
1
X A2 (Y X) =
yi xi xi1 , . . . ,
yi xi xik .
=1
iI
=1
iI
(A.4)
1
X A2 Y.
Lestimateur
2 sen dduit immdiatement via la premire quation du systme (A.4) :
2
1
2 =
A Y X
.
n
Rgression
102
Chapitre A. Annales
5. Daprs la question prcdente, on a :
2
n
2 =
A Y X
= kV k2 ,
Il suffit alors dcrire :
en notant V = A Y X = AY AX .
(AX) = AX X A2 X
1
pour comprendre que le vecteur (AX) nest rien dautre que la projection orthogonale du
vecteur AY sur le sous-espace M de Rn engendr par les colonnes de la matrice AX. Notons
au passage que ce sous-espace est de dimension k puisque, par hypothse, la matrice X A2 X
est inversible. Le vecteur AY tant de loi N (AX, 2 In ), nous sommes exactement dans le
cadre dapplication du thorme de Cochran. En notant respectivement P et P les matrices
de projection sur M et M , celui-ci assure que :
V = P AY N (P AX, 2 P ) = N (0, 2 P ).
Ainsi V suit bien une loi gaussienne centre.
6. Puisque kV k2 est un scalaire, il est gal sa trace, ce qui donne :
i
E kV k2 = E Tr kV k2
i
= E Tr V V ,
E kV k2 = E Tr V V .
Il reste noter dune part que les oprateurs de trace et desprance commutent, et dautre
part que V est centr pour obtenir :
i
E kV k2 = Tr E V V = Tr (Var(V )) .
7. On dduit des deux questions prcdentes que :
1
n
1
n
E 2 = E kV k2 = Tr (Var(V )) ,
or V N (0, 2 P ), o P est la matrice de projection orthogonale sur un sous-espace de
dimension (n k), donc Tr(P ) = n k, et :
E 2 =
nk 2
,
n
E = X X 1 X E [Y ] = X X 1 X X = .
Rgression
103
9. Puisque AX est la projection orthogonale du vecteur AY N (AX, 2 In ) sur le sousespace M, nous savons que :
= 2 ((AX) (AX))1 = 2 X A2 X
Var()
1
.
=
Var( ) = X X
Rk , on a :
u Z Z u = kZ uk2 0,
donc :
X X
u u u (AX) (AX)u,
ce qui scrit en terme de relation dordre pour les matrices symtriques :
X X
(AX) (AX),
les matrices des deux membres tant toutes deux symtriques dfinies positives.
Il reste maintenant remarquer que, de faon gnrale, si B et C sont deux matrices symtriques dfinies positives, avec B C, alors C 1 B 1 . En effet, dire que B C revient
dire que les valeurs propres de (C B) sont toutes suprieures ou gales 0, donc il en va de
mme pour la matrice B 1/2 (C B)B 1/2 = B 1/2 CB 1/2 I. Ceci signifie que les valeurs
propres de la matrice B 1/2 CB 1/2 sont toutes suprieures ou gales 1, ce qui implique
que celles de sa matrice inverse sont toutes infrieures ou gales 1, ce qui scrit encore
B 1/2 C 1 B 1/2 I. Or cette dernire relation a pour consquence C 1 B 1 .
Appliqu dans notre contexte, ce rsultat donne :
((AX) (AX))
X X
1
Var( ). En dautres
do lon dduit lingalit entre matrices de covariance : Var()
termes, est un estimateur plus prcis que , ce qui na rien dtonnant vu que sa construction utilise (n n ) observations de plus que celle de . Happy end !
Rgression
104
Chapitre A. Annales
Universit de Rennes 2
Master de Statistiques
Dure : 2 heures
28
26
24
22
20
18
16
14
12
Circonfrence
10
20
30
40
50
60
70
80
yi = 1 + 2 xi + 3 xi + i ,
1 i n.
Les i sont des variables alatoires indpendantes, de loi normale centre admettant la mme
variance 2 . En posant :
x1
y1
1 x1
.. et Y = .. ,
X = ... ...
.
.
1 xn
xn
yn
on a observ :
?
?
9792
X X = ? 3306000
? ,
? 471200 67660
30310
X Y = 1462000 ,
209700
Y Y = 651900.
Rgression
105
1. Dterminer les ? dans la matrice X X.
2. Que vaut la circonfrence moyenne empirique x
?
3. Le calcul donne (en arrondissant !)
4.646
0.101 1.379
1
X X
= 0.101
0.002 0.030
1.379 0.030 0.411
et
16.8
(X X)1 X Y = 0.30 .
7.62
Que valent les estimateurs 1 , 2 , 3 par la mthode des moindres carrs ? Grce au calcul
de quelques points, reprsenter la courbe obtenue sur la figure A.3.
Median
0.02672
3Q
0.25294
Max
0.63803
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.72385
0.12974
?
< 2e-16 ***
Temp
-0.27793
?
-11.04 1.05e-11 ***
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 0.3548 on 28 degrees of freedom
Multiple R-Squared: 0.8131,
Adjusted R-squared: 0.8064
F-statistic: 121.8 on 1 and 28 DF, p-value: 1.046e-11
1. Donner le modle et les hypothses de la rgression.
2. Complter le tableau.
3. Soit Z une variable alatoire de loi de Student de degr de libert 28. Quelle est la probabilit
que |Z| soit suprieure 11.04 ?
4. Prciser les lments du test correspondant la ligne Temp du tableau (H0 , H1 , la statistique
de test, sa loi sous H0 , la rgle de dcision).
5. Interprter le nombre Multiple R-Squared: 0.8131 du tableau.
Rgression
106
Chapitre A. Annales
6. Donner une estimation de la variance du terme derreur dans le modle de rgression simple.
7. Expliquer et interprter la dernire ligne du tableau :
F-statistic: 121.8 on 1 and 28 DF, p-value: 1.046e-11.
Voyez-vous une autre faon dobtenir cette p-value ?
8. Pensez-vous que la temprature extrieure a un effet sur la consommation de gaz ? Justifiez
votre rponse.
III. Rgression simple
On dispose de n points (xi , yi )1in et on sait quil existe une relation de la forme : yi = axi +b+i ,
o les erreurs i sont des variables centres, dcorrles et de mme variance 2 .
1. Rappeler les formules des estimateurs des moindres carrs a
et b, ainsi que leurs variances
respectives.
2. Dans cette question, on suppose connatre b, mais pas a.
(a) En revenant la dfinition des moindres carrs, calculer lestimateur a
des moindres
carrs de a.
(b) Calculer la variance de a
. Montrer quelle est infrieure celle de a
.
3. Dans cette question, on suppose connatre a, mais pas b.
(a) En revenant la dfinition des moindres carrs, calculer lestimateur b des moindres
carrs de b.
(b) Calculer la variance de b. Montrer quelle est infrieure celle de b.
IV. Forces de frottement et vitesse
Au 17me sicle, Huygens sest intress aux forces de rsistance dun objet en mouvement dans un
fluide (eau, air, etc.). Il a dabord mis lhypothse selon laquelle les forces de frottement taient
proportionnelles la vitesse de lobjet, puis, aprs exprimentation, selon laquelle elles taient
proportionnelles au carr de la vitesse. On ralise une exprience dans laquelle on fait varier la
vitesse x dun objet et on mesure les forces de frottement y. Ensuite, on teste la relation existant
entre ces forces de frottement et la vitesse.
1. Quel(s) modle(s) testeriez-vous ?
2. Comment feriez-vous pour dterminer le modle adapt ?
Rgression
107
Universit de Rennes 2
Master de Statistiques
Dure : 2 heures
Corrig du Contrle
yi = 1 + 2 xi + 3 xi + i ,
1 i n.
Les i sont des variables alatoires indpendantes, de loi normale centre admettant la mme
variance 2 . En posant :
y1
1 x1
x1
.. et Y = .. ,
X = ... ...
.
.
xn
yn
1 xn
Rgression
108
Chapitre A. Annales
on a observ :
?
?
9792
X X = ? 3306000
? ,
? 471200 67660
30310
X Y = 1462000 ,
209700
Y Y = 651900.
1429
67660
9792
X X = 67660 3306000 471200
9792 471200 67660
2. La circonfrence moyenne empirique vaut donc :
x
=
67660
47.3 cm.
1429
16.8
= (X X)1 X Y = 0.30 .
7.62
La courbe obtenue est reprsente figure A.4.
4. Un estimateur non biais
2 de 2 scrit :
2
2
kY X k
kY k2 kX k
2 =
=
.
n3
1426
2 = X X = X Y , ceci scrit encore :
Puisque kX k
2 =
5. Puisquon sait que :
Y Y X Y
1, 26.
1426
3 3
3 3
Tn3 = T1426 ,
= q
(X X)1
3,3
(X
3,3
33
cest--dire en considrant que t1426 (0.975) = 1.96 comme pour une loi normale centre
rduite :
h
i
(X X)1
22
Il nous suffit donc de comparer la valeur absolue de la statistique de test obtenue ici au
quantile dordre 0.95 dune loi normale centre rduite, cest--dire 1.645. Or
|T ()| =
| 0.30|
Rgression
109
7. La moyenne empirique des yi se dduit de la premire composante du vecteur X Y :
y = 30310/1429 21.2 m.
Par dfinition, le coefficient de dtermination ajust Ra2 vaut :
Ra2 = 1
2
n 1 kY Y k2
=
1
(n
1)
,
n p kY y1k2
kY y1k2
donc :
Ra2 = 1 1428
1.26
0.81.
1429
y2
8. En notant xn+1 = [1, 49, 7], la valeur prdite pour yn+1 est :
yn+1 = xn+1 21.8,
et un intervalle de prvision 95% pour yn+1 est :
q
h
i
IC(yn+1 ) = yn+1 t1426 (0.975)
1 + xn+1 (X X)1 xn+1 ; yn+1 + . . . ,
ce qui donne numriquement IC(yn+1 ) [20.1; 23.5].
9. De mme, en posant xn+1 = [1, 25, 5], la valeur prdite pour yn+1 est :
yn+1 = xn+1 13.8,
et un intervalle de prvision 95% pour yn+1 est IC(yn+1 ) [11.7; 15.9].
10. On constate que cest le second intervalle de prvision qui est le plus grand : ceci est d
au fait que le second point est plus loign du centre de gravit du nuage. On prvoit donc
moins bien sa valeur.
II. Consommation de gaz
Mr Derek Whiteside, de la UK Building Research Station, a collect la consommation hebdomadaire
de gaz et la temprature moyenne externe de sa maison au sud-est de lAngleterre pendant une
saisons. Une rgression pour expliquer la consommation de gaz en fonction de la temprature est
ralise avec le logiciel R. Les rsultats numriques sont les suivants.
Residuals:
Min
1Q
-0.97802 -0.11082
Median
0.02672
3Q
0.25294
Max
0.63803
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.72385
0.12974
36.41
< 2e-16 ***
Temp
-0.27793
0.0252
-11.04 1.05e-11 ***
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 0.3548 on 28 degrees of freedom
Multiple R-Squared: 0.8131,
Adjusted R-squared: 0.8064
F-statistic: 121.8 on 1 and 28 DF, p-value: 1.046e-11
Rgression
110
Chapitre A. Annales
1. Le modle considr ici est : pour tout i {1, . . . , 30}
Ci = 1 + 2 Ti + i ,
avec les erreurs i gaussiennes centres, indpendantes et de mme variance 2 .
2. cf. ci-dessus.
3. Soit Z une variable alatoire de loi de Student de degr de libert 28. Daprs le tableau, la
probabilit que |Z| soit suprieure 11.04 est de lordre de 1.05 1011 .
7. La dernire ligne du tableau correspond au test de Fisher de validit globale du modle. Avec
les notations du cours, on sait que sous lhypothse H0 : 2 = 0, nous avons
F =
kY Y0 k2
n p SCR0 SCR
1
=
F28
,
q
SCR
b = y a
x
.
&
Var(b) =
P
2 x2i
P
.
n (xi x
)2
Rgression
111
(a) Lestimateur a
des moindres carrs correspond largmin de la quantit :
X
S(a) =
(yi (axi + b))2 ,
ce qui sobtient en annulant la drive de S :
P
X
xi (yi b)
P 2
.
S (
a) = 2
xi (yi (
axi + b)) = 0 a
=
xi
2
Var(
a) = P 2 .
xi
P
P
P
Puisque (xi x
)2 = x2i n
x2 x2i , il est alors clair que Var(
a) Var(
a).
3. Dans cette question, on suppose connatre a, mais pas b.
(a) Lestimateur b des moindres carrs correspond cette fois largmin de la quantit :
X
S(b) =
(yi (axi + b))2 ,
ce qui sobtient en annulant la drive de S :
X
S (b) = 2
(yi (
axi + b)) = 0 b = y a
x.
(b) Pour calculer la variance de b, on commence nouveau par lexprimer diffremment via
la relation yi = axi + b + i :
X
b = b + 1
i .
n
Puisque les erreurs i sont dcorrles et de mme variance 2 , il vient :
2
Var(b) =
.
n
P
P
P
Puisque (xi x
)2 = x2i n
x2 x2i , il est alors clair que Var(b) Var(b).
112
Chapitre A. Annales
Universit Rennes 2
Master de Statistiques
Dure : 2 heures
800
400
600
prix
1000
50
60
70
80
90
100
110
120
superficie
Rgression
113
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 134.3450
45.4737
2.954 0.00386
Superficie
6.6570
0.6525 10.203 < 2e-16
Residual standard error: 77.93 on 106 degrees of freedom
Multiple R-Squared: 0.4955,
Adjusted R-squared: 0.4907
F-statistic: 104.1 on 1 and 106 DF, p-value: < 2.2e-16
Table A.1 Prix en fonction de la superficie : rsultats de la rgression linaire simple (sortie R).
5. La superficie moyenne des 108 appartements est de 68.74 m2 et le prix moyen des appartements est de 591.95 euros. Quel est le prix moyen dun mtre carr ? Pourquoi ce prix moyen
est diffrent de lestimation de ?
6. Dans lchantillon dont on dispose, comment savoir quels sont les appartements bon march
du seul point de vue de la surface ?
II. Tests
Nous nous intressons au modle Y = X + sous les hypothses classiques. Nous avons obtenu
sur 21 donnes :
y = 6.683(2.67) + 0.44(2.32) x1 + 0.425(2.47) x2 + 0.171(2.09) x3 + 0.009(2.24) x4 ,
R2 = 0.54
o, pour chaque coefficient, le nombre entre parenthses reprsente la valeur absolue de la statistique de test.
1. Quelles sont les hypothses utilises ?
2. Tester la nullit de 1 au seuil de 5%.
3. Pouvez-vous tester H0 : 3 = 1 contre H1 : 3 6= 1 ?
4. Tester la nullit simultane des paramtres associs aux variables x1 , . . . , x4 au seuil de 5%.
III. Moindres carrs ordinaires
1. Nous considrons le modle de rgression linaire
Y = X + ,
o Y Rn , X est une matrice de taille n p de rang p, Rp et N (0, 2 In ).
(a) Quappelle-t-on estimateur des moindres carrs de ? Rappeler sa formule.
(b) Quelle est linterprtation gomtrique de Y = X (faites un dessin) ?
Y et
.
(c) Rappeler esprances et matrices de covariance de ,
2. Nous considrons dornavant un modle avec 4 variables explicatives (la premire variable
tant la constante). Nous avons observ :
100 20 0 0
60
20 20 0 0
, X Y = 20 , Y Y = 159.
X X =
0 0 10 0
10
1
0 0 0 1
(a) Estimer et 2 .
Rgression
114
Chapitre A. Annales
2 sont solutions
(b) En dduire que les estimateurs au maximum de vraisemblance mv et
mv
de :
1 (Y X)
2 = n 2
X 2 (Y X) = 0.
2 et
2 dautre part.
(c) En dduire les relations entre mv et dune part, entre
mv
(d) Prciser alors la loi de . Que dire de celle de
2 ?
1 X
yi
n
&
x
j =
iC
(a) En notant =
+
.
X
1
n
iC i ,
1 X
xij
n
iC
.
(b) Donner la moyenne et la matrice de covariance de
(c) Dduire des questions prcdentes des estimateurs de et 2 .
Arnaud Guyader - Rennes 2
Rgression
115
Universit Rennes 2
Master de Statistiques
Dure : 2 heures
Corrig du Contrle
r = 0.496 = 0.704.
2. Le modle scrit :
i
yi = + xi + i
avec yi le prix de lappartement i en euros, xi sa superficie en m2 et i lerreur. Les hypothses usuelles sont de supposer les erreurs gaussiennes, centres, indpendantes et de mme
variance : N (0, 2 I108 ).
3. Pour tester si la superficie joue un rle sur le prix des appartements, on teste lhypothse
et, sous lhypothse H0 ,
H0 : = 0 contre H1 : 6= 0. La statistique de ce test est T = /
cette statistique de test suit une loi de Student n 2 = 106 degrs de libert. La probabilit
critique associe ce test est infrieure 2 1016 . Cette probabilit critique tant infrieure
5 %, on rejette lhypothse H0 : on considre que la superficie dun appartement de type
T3 influe sur son prix.
La surface a donc une influence significative sur le prix. Mais cette influence est-elle importante ? Le coefficient de dtermination R2 , qui sinterprte comme le pourcentage de
variabilit explique par le modle, vaut 0.495 : linfluence est donc importante mais dautres
facteurs, difficiles quantifier, agissent (emplacement, qualit des prestations, avidit du
propritaire, etc.).
4. Lestimation de la pente de la droite de rgression est : = 6.657. Ce coefficient est significativement diffrent de 0 (voir question prcdente) et sinterprte de la faon suivante : un
appartement cotera en moyenne 6.657 euros supplmentaires pour une augmentation de la
superficie de 1 m2 .
5. Le prix moyen dun mtre carr se calcule comme le rapport entre 591.95 et 68.74 soit 8.61 euros le mtre carr. Ce prix est diffrent de lestimation de car le prix des appartements
nest pas strictement proportionnel leur surface. Comme est infrieur au prix moyen dun
mtre carr, proportionnellement la surface, les petits appartements sont plus chers que les
grands. Le modle de rgression stipule quil faut dabord une mise de fond pour louer un
T3, et quensuite le prix d1 m2 est euros (en moyenne). Remarquons que ce coefficient
est significatif, il nest donc pas souhaitable de le retirer du modle.
6. Pour dterminer les appartements bon march, on peut se fonder sur lestimation des rsidus du modle : plus le rsidu est faible (ngatif et avec une forte valeur absolue), plus
lappartement a un prix faible par rapport celui attendu pour sa superficie.
Rgression
116
Chapitre A. Annales
II. Tests
1. Les hypothses utilises sont : Y = X + , avec N (0, 2 I21 ).
2. Nous savons que
T =
1 1
T16
1
T16
3 3
T16
Or, sous lhypothse 3 = 0, la valeur absolue de la statistique de test vaut daprs lnonc
3
|T ()| =
= 2.09
3
3
Or la statistique de test donne ici
0.171 1
10.1 2.12 = t16 (0.975)
|T ()| =
0.082
F16
4
SCR
loi de Fisher (4, 16) degrs de libert. Cette statistique de test sexprime aussi en fonction
du coefficient de dtermination comme suit :
F =
La statistique de test donne donc ici
R2
21 5
4
F16
4
1 R2
4
(0.95)
F () 4.7 > 3.01 = f16
Rgression
117
1. Nous considrons le modle de rgression linaire
Y = X + ,
o Y Rn , X est une matrice de taille n p de rang p, Rp et N (0, 2 In ).
(a) Lestimateur des moindres carrs de est dfini par
= arg minp kY Xk2
R
o k.k est la norme euclidienne usuelle sur Rp . Un calcul classique permet de montrer
que = (X X)1 X Y .
(b) Dans ce cadre, Y = X est tout simplement la projection orthogonale de Y sur le
sous-espace de Rn engendr par les p colonnes de X.
= et Var()
= 2 (X X)1 .
il est facile de montrer que E[]
(c) Pour ce qui concerne ,
2
De la mme faon, nous avons E[Y ] = X et Var(Y ) = PX , o PX = X(X X)1 X
est la matrice de projection orthogonale sur le sous-espace de Rn engendr par les p
colonnes de X. Enfin, E[
] = 0 et Var(
) = 2 PX , o PX = In PX est la matrice
de projection orthogonale sur lorthogonal du sous-espace de Rn engendr par les p
colonnes de X.
2. Nous considrons dornavant un modle avec 4 variables explicatives (la premire variable
tant la constante).
(a) Nous avons
(X X)1
Ce qui donne :
1 1 0 0
1
1 5 0 0
=
0
0 8 0
80
0
0 0 80
1
2
= (X X)1 X Y =
1
1
k
k2 = kY k2 kY k2
or
2 = = Y X = 111
kY k2 = kX k
do k
k2 = 48 et
2 =
48
1
k
k2
=
=
np
96
2
=
d )
Var(
2 (X X)1
Rgression
1 1 0 0
1
1 5 0 0
=
0 8 0
160 0
0
0 0 80
Arnaud Guyader - Rennes 2
118
Chapitre A. Annales
(c) Nous savons que
2 2
T96 ,
2
loi de Student 96 degrs de liberts, laquelle peut tre assimile la loi normale centre
rduite. Puisque
q
1
2,2 =
d )
2 = Var(
4 2
un intervalle de confiance 95% pour 2 est
I = [2 1.96
2 ; 2 + 1.96
2 ] [1.65; 2.35]
(d) Un intervalle de prvision de niveau 95% pour yn+1 est donn par
q
q
h
i
1
I = yn+1 t96 (0.975)
1 + xn+1 (X X) xn+1 ; yn+1 + t96 (0.975)
1 + xn+1 (X X)1 xn+1
avec tnp (0.975) 1.96, xn+1 = [1, 3, 0.5, 2],
q
1 + xn+1 (X X)1 xn+1 2.35 et
(c) Daprs la question prcdente, le modle transform obit aux hypothses usuelles du
modle linaire (centrage, homoscdasticit et dcorrlation des erreurs). Lestimateur
des moindres carrs de est donc
1 2
= ((X ) (X ))1 (X ) Y = X 2 X
X Y
Par les proprits classiques de lestimateur des moindres carrs, on sait quil est non
biais et que sa matrice de covariance est
1
Var( ) = 2 ((X ) (X ))1 = 2 X 2 X
.
(d) Toujours par la thorie de lestimation aux moindres carrs, on sait quun estimateur
non biais de 2 est
2 =
k1 (Y X )k2
kY X k2
=
.
np
np
Rgression
119
(a) Comme dhabitude, nous notons xi = [xi1 , . . . , xip ] la ligne i de la matrice X du plan
dexprience. De par lindpendance des yi , la vraisemblance du modle scrit
2
L(Y, , ) =
n
Y
fi (yi ) =
n
Y
i=1
i=1
2 2 i2
(yi xi )2
2 2 2
i
1
2
1
1
k (Y X)k
2 2
n e
(2) det ( 2 ) 2
n
2
log L(Y, , 2 ) = C
n
k1 (Y X)k2
log( 2 )
,
2
2 2
+
2
2 2
2 4
On obtient bien
2
mv
=
k1 (Y X mv )k2
.
n
2 =
(c) Nous avons donc mv = dune part, et
mv
(np)
2
n
dautre part.
(d) Par les proprits classiques de lestimateur du maximum de vraisemblance dans le cas
du modle linaire gaussien, nous avons donc
1
N (, 2 ((X ) (X ))1 ) N (, 2 X 2 X
).
De mme, le thorme de Cochran permet de montrer que
(n p)
2
2np
2
1 X
yi
n
iC
Rgression
&
x
j =
1 X
xij
n
iC
120
Chapitre A. Annales
la matrice L p de terme
(a) Dans ce contexte, il suffit de noter Y = [
y1 , . . . , yL ] , X
= [
gnrique x
j et
1 , . . . , L ] pour obtenir lcriture matricielle
+
Y = X
est de moyenne nulle et de matrice de covariance diagonale, ses
(b) Le vecteur alatoire
2
2
termes diagonaux tant gaux n1 , . . . , nL .
(c) Tous les calculs prcdents sappliquent en remplaant n par L et i par
donc pour estimateur de
2 X
= X
et pour estimateur de 2
2 =
1
1 .
ni
On obtient
2 Y
X
)k2
k1 (Y X
.
Lp
Rgression
121
Universit Rennes 2
Master de Statistiques
Dure : 2 heures
1500
1000
0
500
Poids viscr
2000
I. Octopuss Garden
On cherche mettre en uvre une stratgie de prdiction du poids utile du poulpe, cest--dire
son poids viscr, partir de son poids non viscr. Cest en effet le poulpe viscr qui est
commercialis. Pour cela, un chantillon de poulpes a t collect en 2003 lors des oprations de
pche dans les eaux mauritaniennes. Vu limportante diffrence de poids entre les poulpes mles
et les poulpes femelles, on tudie ici uniquement les donnes concernant 240 poulpes femelles.
500
1000
1500
2000
2500
Figure A.6 Poids de poulpe viscr en fonction du poids non viscr (en grammes).
1. Lensemble de ces donnes est reprsent figure A.6.
(a) Proposer un modle reliant le poids viscr et le poids non viscr dun poulpe.
(b) Rappeler les formules des estimateurs des paramtres du modle.
(c) A partir du tableau A.2, donner les estimations numriques des paramtres du modle.
(d) Que reprsente la valeur 0.698 du tableau A.2 ? Comment la retrouver ( peu prs)
partir de -0.388 et de la table de la loi normale donne en annexe (faire un dessin).
(e) Au vu de cette valeur 0.698, proposer un autre modle reliant les poids viscr et non
viscr.
2. De faon gnrale, considrons un chantillon de n couples de rels (xi , yi ) suivant le modle
yi = xi + i , o les erreurs i sont supposes gaussiennes indpendantes centres et de mme
variance 2 .
Rgression
122
Chapitre A. Annales
(Intercept)
Poids non viscr
Estimate
-2.312146
0.853169
Std. Error
5.959670
0.007649
t value
-0.388
111.545
Pr(>|t|)
0.698
<2e-16
Table A.2 Poids de poulpes viscrs et non viscrs : rsultats de la rgression linaire simple
(sortie R).
(a) Dterminer lestimateur de minimisant la somme des carrs des carts au modle.
(b) Retrouver le rsultat prcdent partir de la formule gnrale de lestimateur de rgression linaire multiple en considrant la projection du vecteur Y = [y1 , . . . , yn ] sur
la droite vectorielle engendre par le vecteur X = [x1 , . . . , xn ] .
Proposer un estimateur non biais
(c) En dduire la variance de .
2 de 2 .
Poids non viscr
Table A.3 Poids de poulpes viscrs et non viscrs : rsultats de la rgression linaire simple
avec le modle simplifi (sortie R).
(d) Les rsultats de lanalyse de ce nouveau modle sont fournis dans le tableau A.3. Localiser et
2 dans ce tableau.
(e) On veut prdire le poids viscr dun poulpe de poids non viscr x0 . Quelle est la
variance de lerreur de prvision ? Donner un intervalle de confiance 90% autour de la
prvision.
II. Comparaison de modles
On effectue une rgression de y sur deux variables explicatives x et z partir dun chantillon de n
individus, cest--dire que X = [1, x, z], o 1 est le vecteur de taille n compos de 1. On a obtenu
le rsultat suivant :
5 3 0
X X = 3 3 1 .
0 1 1
1. Que vaut n ?
Rgression
123
(c) Calculer la somme des carrs totale kY y1k2 , le coefficient de dtermination R2 et le
coefficient de dtermination ajust.
4. On sintresse maintenant au modle priv du rgresseur z, cest--dire Y = X0 0 + 0 , o
X0 = [1, x].
(a) Dterminer X X0 et X Y . En dduire 0 .
0
1 x11
..
..
..
X= .
.
.
1 xn1
x1p
.. =
.
xnp
1 z1
.. .. =
. .
1 zn
1 Z1 Zp = 1 Z ,
o Z est donc une matrice de taille n p. Les moyennes de ses colonnes Z1 , . . . , Zp sont
regroupes dans le vecteur ligne x
= [
x1 , . . . , x
p ]. Enfin, on considre comme prcdemment
le modle de rgression linaire
yi = 0 + 1 xi1 + + p xip + i = xi + i ,
o les erreurs i sont supposes centres indpendantes et de mme variance 2 . Matriciellement, ceci scrit donc Y = X + , avec X donne ci-dessus et suppose telle que X X est
inversible.
(a) Ecrire la matrice X X sous forme de 4 blocs faisant intervenir Z, x
et la taille n de
lchantillon.
Rgression
124
Chapitre A. Annales
(b) On rappelle la formule dinversion matricielle par blocs : Soit M une matrice inversible
telle que
T U
M =
V W
avec T inversible, alors Q = W V T 1 U est inversible et linverse de M est :
1
T + T 1 U Q1 V T 1 T 1 U Q1
1
.
M
=
Q1 V T 1
Q1
Ecrire la matrice (X X)1 sous forme de 4 blocs dpendant de n, x
et 1 , o =
1
x
.
nZ Z x
x
est symtrique dfinie positive (on rappelle
(d) On admet pour linstant que = n1 Z Z x
que S est symtrique dfinie positive si S = S et si pour tout vecteur x non nul,
x Sx > 0). Pour quelle nouvelle donne xn+1 la variance de lerreur de prvision est-elle
minimale ? Que vaut alors cette variance ?
(e) (Bonus) Justifier le fait que si X X est inversible, alors est bien symtrique dfinie
positive.
Rgression
125
Universit Rennes 2
Master de Statistiques
Dure : 2 heures
Corrig du Contrle
I. Octopuss Garden
1. (a) Vu la forme du nuage de points, il semble raisonnable de proposer un modle de rgression linaire simple : en notant x le poids non viscr et y le poids viscr, on suggre
donc yi = 1 + 2 xi + i , avec comme dhabitude les erreurs i supposes gaussiennes
indpendantes centres et de mme variance 2 .
(b) Les formules des estimateurs des moindres carrs du modle sont :
1 = y 2 x
,
avec :
2 =
Pn
Pn
(xi x
)yi
(xi x
)(yi y)
i=1
Pn
= Pi=1
,
n
2
)
)2
i=1 (xi x
i=1 (xi x
o n = 240 sur notre exemple. Un estimateur non biais de 2 est quant lui
2 =
1 X
(yi (1 + 2 xi ))2
n2
P(|X| > 0.388) 0.696, qui nest pas bien loin du 0.698 du listing.
(e) Ceci nous amne accepter H0 et proposer un modle sans la constante, savoir :
yi = xi + i , o les erreurs i sont supposes gaussiennes indpendantes centres et de
mme variance 2 .
2. De faon gnrale, considrons un chantillon de n couples de rels (xi , yi ) suivant le modle
yi = xi + i , o les erreurs i sont supposes gaussiennes indpendantes centres et de mme
variance 2 .
Rgression
126
Chapitre A. Annales
(a) Lestimateur sobtient en minimisant :
Pn
n
n
X
X
xi y i
2
xi (yi xi ) = 0 = Pi=1
(yi xi ) S () = 2
S() =
n
2
i=1 xi
i=1
i=1
= (X X) X Y = Pi=1
n
2 .
i=1 xi
(c) La variance de se dduit elle lui aussi de la formule gnrale :
2
= 2 (X X)1 = P
Var()
n
2.
i=1 xi
2 =
2
1 X
kY X k
i )2
(yi x
=
n1
n1
(e) On veut prdire le poids viscr y0 dun poulpe de poids non viscr x0 . La variance
0 est elle aussi donne par la formule gnrale :
de lerreur de prvision 0 = y0 x
x20
2
1
2
Var(
0 ) = (1 + x0 (X X) x0 ) = 1 + Pn
2 .
i=1 xi
1 + Pn x2
i=1
o t239 (0.95) reprsente le quantile dordre 0.95 dune Student 239 ddl, soit environ
1.653.
5 3 0
n
n
x
n
z
P
P
X X = 3 3 1 = n
x P x2i
Pxi2zi .
0 1 1
n
z
xi zi
zi
1. Il en dcoule que n = 5.
Arnaud Guyader - Rennes 2
Rgression
127
2. Le coefficient de corrlation linaire empirique entre x et z scrit
r
P
5
xi zi n
xz
qP
=
x,z = qP
0.91.
6
2
2
2
2
xi n
zi n
x
z
5 3 0
1
4
n
y
P
X Y = (X X) = 3 3 1 3 = 10 = P xi yi .
0 1 1
4
7
zi yi
En particulier, on a donc y = 4/5.
kY k2 = X Y = 54.
kY k2 = kY k2 + k
k2 = 57.
(c) Puisque y1 est le projet orthogonal de Y sur la droite vectorielle
carrs totale est alors immdiate, toujours par Pythagore :
y 1k2 = kY k2 n
y2 =
kY y1k2 = kY k2 k
269
= 53.8.
5
254
k
k2
=
0.94
2
kY y1k
269
n1
k
k2
239
=
0.89
2
n 3 kY y1k
269
X0 X0 =
=
.
n
x
x2i
3 3
Idem pour le vecteur X0 Y partir de X Y :
4
n
y
=
.
X0 Y = P
xi y i
10
Il vient donc
0 = (X0 X0 )1 X0 Y =
3
19/3
128
Chapitre A. Annales
(c) Un coup de Pythagore dans chaque modle donne
kY k2 = kY0 k2 + k
0 k2 = kY k2 + k
k2 ,
do lon tire
17
5.7
k
0 k2 = kY k2 kY0 k2 =
3
Le coefficient de dtermination vaut donc
R02 = 1
k
0 k2
722
=
= 0.89
2
kY y1k
807
n1
k
0 k2
2081
0.86
=
n 2 kY y1k2
2421
2
Ra,0
=1
np
R2 R02
pp0
Fnp
= F21
p p0
1 R2
16
1.78 18.5 f21 (0.95)
9
et on accepte donc lhypothse selon laquelle z = 0.
(b) Nous aurions pu tester cette hypothse grce un test de Student sur le modle initial,
puisque sous H0 , on sait que
F () =
T =
or
z =
et
do
z
Tnp = T2 ,
(X X)
5 3
1
=
det(X X) 3 3
3,3
k
k2
=
np
3
2
=6
4
4.303 t2 (0.975)
3
Ces deux tests reviennent au mme puisque F () = T 2 () et f21 (0.95) = (t2 (0.975))2 .
|T ()| =
(xn+1 x
)2
1
1 + + Pn
)2
n
i=1 (xi x
Rgression
129
(b) En notant X la matrice n 2 dfinie par
1 x1
X = ... ...
1 xn
Var(
n+1 ) = 2 1 + [1, xn+1 ](X X)1 [1, xn+1 ] .
(c) Puisque
XX=
soninversion donne
(X X)
do
P
n P
n
x
Pn
P x2i =
xi
xi
n
x
x2i
1
= P 2
n xi n 2 x
2
[1, xn+1 ] = P
P
x2i n
x
n
x
n
1
(xi x
)2
1
=P
(xi x
)2
P
x2i
2
xxn+1 + x2n+1
n
"
[1, xn+1 ] =
x2i
n
x
x
1
(xn+1 x
)2
1
+ Pn
n
)2
i=1 (xi x
(xn+1 x
)2
1
1 + + Pn
)2
n
i=1 (xi x
(d) A partir de cette formule, il est clair que lerreur de prvision est minimale (en moyenne)
lorsque xn+1 = x
, la variance de lerreur valant alors 2 (1 + 1/n).
2. (a) La matrice X X scrit sous forme de 4 blocs comme suit
1 x
x
n n
=n
XX=
.
n
x Z Z
x
ZnZ
(b) Avec les notations de la formule dinversion matricielle par blocs applique X X, nous
posons T = 1, U = x
, V = x
et W = ZnZ . Toujours avec les notations de lnonc,
nous avons donc
1
x
=
Q = Z Z x
n
et
1 1+x
x 1
1 x
1
(X X) =
1 x
1
n
], on arrive
En utilisant lcriture par blocs de (X X)1 et xn+1 = [1, zn+1
1
1+x
1 x
zn+1
1 x
x
1 zn+1 + zn+1
1 zn+1
n
130
Chapitre A. Annales
1 x
=
La matrice est symtrique et un rel est gal sa transpose ( !) donc zn+1
1
x
zn+1 et ceci se rcrit
1
1 + zn+1
1 zn+1 2
x 1 zn+1
+x
1 x
1
1 + (zn+1 x
) 1 (zn+1 x
)
n
1
1
1
1 + + (zn+1 x
) (zn+1 x
) ,
n n
1
1
u Zc Zc u = kZc uk2 0,
n
n
p
X
p 1) = 0 u1 X1 + + up Xp =
u1 (X1 x
1 1) + + up (Xp x
uj x
j 1,
j=1
cest--dire que la premire colonne de X peut scrire comme une combinaison linaire
non triviale des p dernires. En particulier X serait alors de rang infrieur ou gal p,
ce qui serait en contradiction avec lhypothse dinversibilit de X X. Ainsi est bien
symtrique dfinie positive et la messe est dite.
Rgression
Annexe B
Rappels dalgbre
Nous ne considrons ici que des matrices relles. Nous notons A une matrice et A sa transpose.
B.1
Quelques dfinitions
Une matrice carre A est inversible sil existe une matrice B telle que AB = BA = I. On note
B = A1 .
La matrice carre A est dite : symtrique si A = A ; singulire si det(A) = 0 ; inversible si
det(A) 6= 0 ; idempotente si A2 = A ; orthogonale si A = A1 .
Le polynme caractristique de la matrice carre A est dfini par PA () = det(I A). Les valeurs
propres sont les solutions de det(I A) = 0. Le vecteur x est un vecteur propre associ la valeur
propre sil est non nul et vrifie Ax = x.
B.2
B.2.1
Quelques proprits
Les matrices n p
(A + B) = A + B et (AB) = B A .
Le rang dune matrice Anp est la plus petite des dimensions des deux sous-espaces engendrs
respectivement par les lignes et par les colonnes de A.
0 rang(A) min(n, p).
rang(A) = rang(A ).
rang(AB) min(rang(A), rang(B)).
rang(BAC) = rang(A) si B et C sont inversibles.
rang(AA ) = rang(A A) = rang(A).
Pour p n, si A est de rang p, alors A A est inversible.
B.2.2
132
B.2.3
B.2.4
B.3
Soit M une matrice symtrique inversible de taille p p, soit u et v deux vecteurs de taille p. Si
u M 1 v 6= 1, alors nous avons linverse suivante :
M + uv
1
= M 1
M 1 uv M 1
.
1 + u M 1 v
(B.1)
T
V
U
W
T 1 + T 1 U Q1 V T 1 T 1 U Q1
Q1 V T 1
Q1
Rgression
B.4
B.4.1
133
Une matrice carre P idempotente (i.e. P 2 = P ) correspond une projection. Si de plus P est
symtrique (i.e. P = P ) , alors cest une projection orthogonale sur le sous-espace M = Im(P )
paralllement M = Ker(P ).
P est un projecteur orthogonal si le produit scalaire hP y, y P yi = 0 pour tout y.
les valeurs propres dune matrice idempotente ne peuvent tre gales qu 0 ou 1.
le rang dune matrice idempotente est gal sa trace, i.e. rang(P ) = dim(M) = tr(P ).
la matrice (I P ) est la matrice de projection orthogonale sur M = Ker(P ).
y Py
Py
B.4.2
Soit X = [X1 , , Xp ] la matrice (n, p), de rang p, des p variables explicatives du modle linaire.
Soit M(X) le sous-espace engendr par ces p vecteurs linairement indpendants et PX la matrice
de projection orthogonale sur M(X). Le vecteur (y PX y) doit tre orthogonal tout vecteur de
M(X), or tous les vecteurs de M(X) sont de la forme Xu. En particulier il existe un vecteur b
tel que PX y = Xb. Il faut donc que hXu, y PX yi = 0 pour tout vecteur u. En dveloppant, nous
obtenons X y = X PX y = X Xb. X X est inversible donc b = (X X)1 X y. Ainsi
PX = X(X X)1 X
est la matrice de projection orthogonale sur M(X).
B.4.3
Soit PX , de terme courant hij , la matrice p p de la projection orthogonale sur lespace engendr
par les p colonnes de X, nous avons alors :
P
1. tr(PX ) = hii = p.
P P
2. tr(PX ) = tr(PX PX ), cest--dire i j h2ij = p.
3. 0 hii 1 pour tout i.
134
B.5
Drivation matricielle
f
f
f (x) = grad(f )(x) =
(x), ,
(x) .
x1
xp
Si f est de classe C 2 , le hessien de f au point x est la matrice carre de dimension p p, souvent
2f
note 2 f (x) ou Hf (x), de terme gnrique [Hf (x)]ij = xi x
(x). Le thorme de Schwarz assure
j
que cette matrice est symtrique.
Exemples :
Si f : Rp R est une forme linaire, cest--dire sil existe un vecteur colonne a de taille p tel
que f (x) = a x , alors son gradient est constant : f = a , et sa matrice hessienne est nulle
en tout point : Hf = 0. Ceci nest rien dautre que la gnralisation multidimensionnelle des
drives premire et seconde de la fonction f : R R dfinie par f (x) = ax.
Si f est quadratique, par exemple si f (x) = x Ax, alors son gradient est une forme linaire :
f (x) = x (A + A ), et sa hessienne est constante Hf (x) = A + A . A nouveau, ceci nest rien
dautre que la gnralisation multidimensionnelle des drives premire et seconde de la fonction
f : R R dfinie par f (x) = ax2 .
Rgression
Annexe C
Rappels de probabilit
C.1
Gnralits
Rm .
E[AY + b] = AE[Y ] + b
Var(AY + b) = Var(AY ) = AVar(Y )A
Si Y est un vecteur alatoire de
euclidienne :
E[kY E(Y )k ] = E
2
"
#
n
n
X
X
2
Var(Yi ) = tr(Y ).
(Yi E[Yi ]) =
i=1
i=1
C.2
Un vecteur alatoire Y est dit gaussien si toute combinaison linaire de ses composantes est une
variable alatoire gaussienne. Ce vecteur admet alors une esprance et une matrice de variancecovariance Y , et on note Y N (, Y ).
Un vecteur gaussien Y de Rn desprance et de matrice de variance-covariance Y inversible
admet pour densit la fonction
1
1
1
1
p
f (y) =
exp (y ) Y (y ) , o y = [y1 , . . . , yn ] .
2
(2)n/2 det(Y )
136
Rgression
137
C.3
C.3.1
Rgression
0
.5000
.5398
.5793
.6179
.6554
.6915
.7257
.7580
.7881
.8159
.8413
.8643
.8849
.9032
.9192
.9332
.9452
.9554
.9641
.9713
.9772
.9821
.9861
.9893
.9918
.9938
.9953
.9965
.9974
.9981
.9987
.9990
.9993
0.01
.5040
.5438
.5832
.6217
.6591
.6950
.7291
.7611
.7910
.8186
.8438
.8665
.8869
.9049
.9207
.9345
.9463
.9564
.9649
.9719
.9778
.9826
.9864
.9896
.9920
.9940
.9955
.9966
.9975
.9982
.9987
.9991
.9993
0.02
.5080
.5478
.5871
.6255
.6628
.6985
.7324
.7642
.7939
.8212
.8461
.8686
.8888
.9066
.9222
.9357
.9474
.9573
.9656
.9726
.9783
.9830
.9868
.9898
.9922
.9941
.9956
.9967
.9976
.9982
.9987
.9991
.9994
0.03
.5120
.5517
.5910
.6293
.6664
.7019
.7357
.7673
.7967
.8238
.8485
.8708
.8907
.9082
.9236
.9370
.9484
.9582
.9664
.9732
.9788
.9834
.9871
.9901
.9925
.9943
.9957
.9968
.9977
.9983
.9988
.9991
.9994
0.04
.5160
.5557
.5948
.6331
.6700
.7054
.7389
.7704
.7995
.8264
.8508
.8729
.8925
.9099
.9251
.9382
.9495
.9591
.9671
.9738
.9793
.9838
.9875
.9904
.9927
.9945
.9959
.9969
.9977
.9984
.9988
.9992
.9994
0.05
.5199
.5596
.5987
.6368
.6736
.7088
.7422
.7734
.8023
.8289
.8531
.8749
.8944
.9115
.9265
.9394
.9505
.9599
.9678
.9744
.9798
.9842
.9878
.9906
.9929
.9946
.9960
.9970
.9978
.9984
.9989
.9992
.9994
0.06
.5239
.5636
.6026
.6406
.6772
.7123
.7454
.7764
.8051
.8315
.8554
.8770
.8962
.9131
.9279
.9406
.9515
.9608
.9686
.9750
.9803
.9846
.9881
.9909
.9931
.9948
.9961
.9971
.9979
.9985
.9989
.9992
.9994
0.07
.5279
.5675
.6064
.6443
.6808
.7157
.7486
.7794
.8078
.8340
.8577
.8790
.8980
.9147
.9292
.9418
.9525
.9616
.9693
.9756
.9808
.9850
.9884
.9911
.9932
.9949
.9962
.9972
.9979
.9985
.9989
.9992
.9995
0.08
.5319
.5714
.6103
.6480
.6844
.7190
.7517
.7823
.8106
.8365
.8599
.8810
.8997
.9162
.9306
.9429
.9535
.9625
.9699
.9761
.9812
.9854
.9887
.9913
.9934
.9951
.9963
.9973
.9980
.9986
.9990
.9993
.9995
0.09
.5359
.5753
.6141
.6517
.6879
.7224
.7549
.7852
.8133
.8389
.8621
.8830
.9015
.9177
.9319
.9441
.9545
.9633
.9706
.9767
.9817
.9857
.9890
.9916
.9936
.9952
.9964
.9974
.9981
.9986
.9990
.9993
.9995
138
C.3.2
Loi de Student X T
@ p 0.5
@
@
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
80
100
200
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.6
0.7
0.8
0.9
0.95
0.975
0.99
0.325
0.289
0.277
0.271
0.267
0.265
0.263
0.262
0.261
0.260
0.260
0.259
0.259
0.258
0.258
0.258
0.257
0.257
0.257
0.257
0.257
0.256
0.256
0.256
0.256
0.256
0.256
0.256
0.256
0.256
0.255
0.254
0.254
0.254
0.254
0.253
0.727
0.617
0.584
0.569
0.559
0.553
0.549
0.546
0.543
0.542
0.540
0.539
0.538
0.537
0.536
0.535
0.534
0.534
0.533
0.533
0.532
0.532
0.532
0.531
0.531
0.531
0.531
0.530
0.530
0.530
0.529
0.527
0.526
0.526
0.525
0.524
1.376
1.061
0.978
0.941
0.920
0.906
0.896
0.889
0.883
0.879
0.876
0.873
0.870
0.868
0.866
0.865
0.863
0.862
0.861
0.860
0.859
0.858
0.858
0.857
0.856
0.856
0.855
0.855
0.854
0.854
0.851
0.848
0.846
0.845
0.843
0.842
3.078
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
1.310
1.303
1.296
1.292
1.290
1.286
1.282
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.684
1.671
1.664
1.660
1.653
1.645
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.000
1.990
1.984
1.972
1.960
31.821
6.965
4.541
3.747
3.365
3.143
2.998
2.896
2.821
2.764
2.718
2.681
2.650
2.624
2.602
2.583
2.567
2.552
2.539
2.528
2.518
2.508
2.500
2.492
2.485
2.479
2.473
2.467
2.462
2.457
2.423
2.390
2.374
2.364
2.345
2.326
0.995
0.999
0.9995
Rgression
C.3.3
139
@ p 0.001 0.005
@
@
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
0.000
0.002
0.024
0.091
0.210
0.381
0.599
0.857
1.152
1.479
1.834
2.214
2.617
3.041
3.483
3.942
4.416
4.905
5.407
5.921
6.447
6.983
7.529
8.085
8.649
9.222
9.803
10.391
10.986
11.588
17.917
24.674
31.738
39.036
46.520
54.156
61.918
Rgression
0.000
0.010
0.072
0.207
0.412
0.676
0.989
1.344
1.735
2.156
2.603
3.074
3.565
4.075
4.601
5.142
5.697
6.265
6.844
7.434
8.034
8.643
9.260
9.886
10.520
11.160
11.808
12.461
13.121
13.787
20.707
27.991
35.534
43.275
51.172
59.196
67.328
0.01
0.025
0.05
0.1
0.9
0.95
0.975
0.99
0.995
0.999
0.000
0.020
0.115
0.297
0.554
0.872
1.239
1.647
2.088
2.558
3.053
3.571
4.107
4.660
5.229
5.812
6.408
7.015
7.633
8.260
8.897
9.542
10.196
10.856
11.524
12.198
12.878
13.565
14.256
14.953
22.164
29.707
37.485
45.442
53.540
61.754
70.065
0.001
0.051
0.216
0.484
0.831
1.237
1.690
2.180
2.700
3.247
3.816
4.404
5.009
5.629
6.262
6.908
7.564
8.231
8.907
9.591
10.283
10.982
11.689
12.401
13.120
13.844
14.573
15.308
16.047
16.791
24.433
32.357
40.482
48.758
57.153
65.647
74.222
0.004
0.103
0.352
0.711
1.145
1.635
2.167
2.733
3.325
3.940
4.575
5.226
5.892
6.571
7.261
7.962
8.672
9.390
10.117
10.851
11.591
12.338
13.091
13.848
14.611
15.379
16.151
16.928
17.708
18.493
26.509
34.764
43.188
51.739
60.391
69.126
77.929
0.016
0.211
0.584
1.064
1.610
2.204
2.833
3.490
4.168
4.865
5.578
6.304
7.041
7.790
8.547
9.312
10.085
10.865
11.651
12.443
13.240
14.041
14.848
15.659
16.473
17.292
18.114
18.939
19.768
20.599
29.051
37.689
46.459
55.329
64.278
73.291
82.358
2.706
4.605
6.251
7.779
9.236
10.645
12.017
13.362
14.684
15.987
17.275
18.549
19.812
21.064
22.307
23.542
24.769
25.989
27.204
28.412
29.615
30.813
32.007
33.196
34.382
35.563
36.741
37.916
39.087
40.256
51.805
63.167
74.397
85.527
96.578
107.56
118.498
3.841
5.991
7.815
9.488
11.070
12.592
14.067
15.507
16.919
18.307
19.675
21.026
22.362
23.685
24.996
26.296
27.587
28.869
30.144
31.410
32.671
33.924
35.172
36.415
37.652
38.885
40.113
41.337
42.557
43.773
55.758
67.505
79.082
90.531
101.88
113.14
124.342
5.024
7.378
9.348
11.143
12.832
14.449
16.013
17.535
19.023
20.483
21.920
23.337
24.736
26.119
27.488
28.845
30.191
31.526
32.852
34.170
35.479
36.781
38.076
39.364
40.646
41.923
43.195
44.461
45.722
46.979
59.342
71.420
83.298
95.023
106.63
118.14
129.561
6.635
9.210
11.345
13.277
15.086
16.812
18.475
20.090
21.666
23.209
24.725
26.217
27.688
29.141
30.578
32.000
33.409
34.805
36.191
37.566
38.932
40.289
41.638
42.980
44.314
45.642
46.963
48.278
49.588
50.892
63.691
76.154
88.379
100.42
112.33
124.12
135.807
7.879
10.597
12.838
14.860
16.750
18.548
20.278
21.955
23.589
25.188
26.757
28.300
29.819
31.319
32.801
34.267
35.718
37.156
38.582
39.997
41.401
42.796
44.181
45.558
46.928
48.290
49.645
50.994
52.335
53.672
66.766
79.490
91.952
104.21
116.32
128.30
140.169
10.827
13.815
16.266
18.466
20.515
22.457
24.321
26.124
27.877
29.588
31.264
32.909
34.527
36.124
37.698
39.252
40.791
42.312
43.819
45.314
46.796
48.268
49.728
51.179
52.619
54.051
55.475
56.892
58.301
59.702
73.403
86.660
99.608
112.32
124.84
137.21
149.449
140
C.3.4
Table des fractiles f(1 ,2 ) ) pour une loi F(1 ,2 ) : 0.95 = Pr X f(1 ,2) (p)
HH
2
HH
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
32
34
36
38
40
42
44
46
48
50
60
70
80
90
100
500
10
15
20
30
40
50
60
80
100
161
18.5
10.1
7.71
6.61
5.99
5.59
5.32
5.12
4.96
4.84
4.75
4.67
4.6
4.54
4.49
4.45
4.41
4.38
4.35
4.32
4.3
4.28
4.26
4.24
4.23
4.21
4.2
4.18
4.17
4.15
4.13
4.11
4.1
4.08
4.07
4.06
4.05
4.04
4.03
4
3.98
3.96
3.95
3.94
3.86
3.84
199
19
9.55
6.94
5.79
5.14
4.74
4.46
4.26
4.1
3.98
3.89
3.81
3.74
3.68
3.63
3.59
3.55
3.52
3.49
3.47
3.44
3.42
3.4
3.39
3.37
3.35
3.34
3.33
3.32
3.29
3.28
3.26
3.24
3.23
3.22
3.21
3.2
3.19
3.18
3.15
3.13
3.11
3.1
3.09
3.01
3
216
19.2
9.28
6.59
5.41
4.76
4.35
4.07
3.86
3.71
3.59
3.49
3.41
3.34
3.29
3.24
3.2
3.16
3.13
3.1
3.07
3.05
3.03
3.01
2.99
2.98
2.96
2.95
2.93
2.92
2.9
2.88
2.87
2.85
2.84
2.83
2.82
2.81
2.8
2.79
2.76
2.74
2.72
2.71
2.7
2.62
2.6
225
19.2
9.12
6.39
5.19
4.53
4.12
3.84
3.63
3.48
3.36
3.26
3.18
3.11
3.06
3.01
2.96
2.93
2.9
2.87
2.84
2.82
2.8
2.78
2.76
2.74
2.73
2.71
2.7
2.69
2.67
2.65
2.63
2.62
2.61
2.59
2.58
2.57
2.57
2.56
2.53
2.5
2.49
2.47
2.46
2.39
2.37
230
19.3
9.01
6.26
5.05
4.39
3.97
3.69
3.48
3.33
3.2
3.11
3.03
2.96
2.9
2.85
2.81
2.77
2.74
2.71
2.68
2.66
2.64
2.62
2.6
2.59
2.57
2.56
2.55
2.53
2.51
2.49
2.48
2.46
2.45
2.44
2.43
2.42
2.41
2.4
2.37
2.35
2.33
2.32
2.31
2.23
2.21
234
19.3
8.94
6.16
4.95
4.28
3.87
3.58
3.37
3.22
3.09
3
2.92
2.85
2.79
2.74
2.7
2.66
2.63
2.6
2.57
2.55
2.53
2.51
2.49
2.47
2.46
2.45
2.43
2.42
2.4
2.38
2.36
2.35
2.34
2.32
2.31
2.3
2.29
2.29
2.25
2.23
2.21
2.2
2.19
2.12
2.1
237
19.4
8.89
6.09
4.88
4.21
3.79
3.5
3.29
3.14
3.01
2.91
2.83
2.76
2.71
2.66
2.61
2.58
2.54
2.51
2.49
2.46
2.44
2.42
2.4
2.39
2.37
2.36
2.35
2.33
2.31
2.29
2.28
2.26
2.25
2.24
2.23
2.22
2.21
2.2
2.17
2.14
2.13
2.11
2.1
2.03
2.01
239
19.4
8.85
6.04
4.82
4.15
3.73
3.44
3.23
3.07
2.95
2.85
2.77
2.7
2.64
2.59
2.55
2.51
2.48
2.45
2.42
2.4
2.37
2.36
2.34
2.32
2.31
2.29
2.28
2.27
2.24
2.23
2.21
2.19
2.18
2.17
2.16
2.15
2.14
2.13
2.1
2.07
2.06
2.04
2.03
1.96
1.94
241
19.4
8.81
6
4.77
4.1
3.68
3.39
3.18
3.02
2.9
2.8
2.71
2.65
2.59
2.54
2.49
2.46
2.42
2.39
2.37
2.34
2.32
2.3
2.28
2.27
2.25
2.24
2.22
2.21
2.19
2.17
2.15
2.14
2.12
2.11
2.1
2.09
2.08
2.07
2.04
2.02
2
1.99
1.97
1.9
1.88
242
19.4
8.79
5.96
4.74
4.06
3.64
3.35
3.14
2.98
2.85
2.75
2.67
2.6
2.54
2.49
2.45
2.41
2.38
2.35
2.32
2.3
2.27
2.25
2.24
2.22
2.2
2.19
2.18
2.16
2.14
2.12
2.11
2.09
2.08
2.06
2.05
2.04
2.03
2.03
1.99
1.97
1.95
1.94
1.93
1.85
1.83
246
19.4
8.7
5.86
4.62
3.94
3.51
3.22
3.01
2.85
2.72
2.62
2.53
2.46
2.4
2.35
2.31
2.27
2.23
2.2
2.18
2.15
2.13
2.11
2.09
2.07
2.06
2.04
2.03
2.01
1.99
1.97
1.95
1.94
1.92
1.91
1.9
1.89
1.88
1.87
1.84
1.81
1.79
1.78
1.77
1.69
1.67
248
19.4
8.66
5.8
4.56
3.87
3.44
3.15
2.94
2.77
2.65
2.54
2.46
2.39
2.33
2.28
2.23
2.19
2.16
2.12
2.1
2.07
2.05
2.03
2.01
1.99
1.97
1.96
1.94
1.93
1.91
1.89
1.87
1.85
1.84
1.83
1.81
1.8
1.79
1.78
1.75
1.72
1.7
1.69
1.68
1.59
1.57
250
19.5
8.62
5.75
4.5
3.81
3.38
3.08
2.86
2.7
2.57
2.47
2.38
2.31
2.25
2.19
2.15
2.11
2.07
2.04
2.01
1.98
1.96
1.94
1.92
1.9
1.88
1.87
1.85
1.84
1.82
1.8
1.78
1.76
1.74
1.73
1.72
1.71
1.7
1.69
1.65
1.62
1.6
1.59
1.57
1.48
1.46
251
19.5
8.59
5.72
4.46
3.77
3.34
3.04
2.83
2.66
2.53
2.43
2.34
2.27
2.2
2.15
2.1
2.06
2.03
1.99
1.96
1.94
1.91
1.89
1.87
1.85
1.84
1.82
1.81
1.79
1.77
1.75
1.73
1.71
1.69
1.68
1.67
1.65
1.64
1.63
1.59
1.57
1.54
1.53
1.52
1.42
1.39
252
19.5
8.58
5.7
4.44
3.75
3.32
3.02
2.8
2.64
2.51
2.4
2.31
2.24
2.18
2.12
2.08
2.04
2
1.97
1.94
1.91
1.88
1.86
1.84
1.82
1.81
1.79
1.77
1.76
1.74
1.71
1.69
1.68
1.66
1.65
1.63
1.62
1.61
1.6
1.56
1.53
1.51
1.49
1.48
1.38
1.35
252
19.5
8.57
5.69
4.43
3.74
3.3
3.01
2.79
2.62
2.49
2.38
2.3
2.22
2.16
2.11
2.06
2.02
1.98
1.95
1.92
1.89
1.86
1.84
1.82
1.8
1.79
1.77
1.75
1.74
1.71
1.69
1.67
1.65
1.64
1.62
1.61
1.6
1.59
1.58
1.53
1.5
1.48
1.46
1.45
1.35
1.32
253
19.5
8.56
5.67
4.41
3.72
3.29
2.99
2.77
2.6
2.47
2.36
2.27
2.2
2.14
2.08
2.03
1.99
1.96
1.92
1.89
1.86
1.84
1.82
1.8
1.78
1.76
1.74
1.73
1.71
1.69
1.66
1.64
1.62
1.61
1.59
1.58
1.57
1.56
1.54
1.5
1.47
1.45
1.43
1.41
1.3
1.27
253
19.5
8.55
5.66
4.41
3.71
3.27
2.97
2.76
2.59
2.46
2.35
2.26
2.19
2.12
2.07
2.02
1.98
1.94
1.91
1.88
1.85
1.82
1.8
1.78
1.76
1.74
1.73
1.71
1.7
1.67
1.65
1.62
1.61
1.59
1.57
1.56
1.55
1.54
1.52
1.48
1.45
1.43
1.41
1.39
1.28
1.24
Rgression
Annexe D
Quelques donnes
Date
"19960422"
"19960429"
"19960506"
"19960514"
"19960521"
"19960528"
"19960605"
"19960612"
"19960619"
"19960627"
"19960704"
"19960711"
"19960719"
"19960726"
"19960802"
"19960810"
"19960817"
"19960824"
"19960901"
"19960908"
"19960915"
"19960923"
"19960930"
"19970414"
"19970422"
"19970429"
"Vx" "maxO3v"
9.35
95.6
5.4
100.2
19.3
105.6
12.6
95.2
-20.3
82.8
-3.69
71.4
8.27
90
4.93
60
-4.93
125.8
-3.38
62.6
-23.68
38
-6.24
70.8
14.18
119.8
13.79
103.6
-7.39
69.2
-13.79
48
1.88
118.6
-24.82
60
9.35
74.4
28.36
103.8
12.47
78.8
-5.52
72.2
-10.8
53.4
18
89
3.55
97.8
-12.6
61.4
142
"Vx" "maxO3v"
16.91
87.4
-9.35
67.8
16.91
98.6
2.5
112
-7.09
49.8
-10.15
131.8
-5.52
113.8
-27.06
55.8
-3.13
65.8
-11.57
90.4
8.27
111.4
5.52
118.6
12.6
84
2.5
109.8
18
142.8
-14.4
80.8
-15.59
60.4
-22.06
79.8
-10.8
84.6
-7.2
92.6
17.73
40.2
-14.4
73.6
-17.73
59
9.26
55.2
Rgression
Bibliographie
[1] A. Antoniadis, J. Berruyer, and R. Carmona. Rgression non linaire et applications. Economica, 1992.
[2] A.C. Atkinson. Two graphical displays for outlying and influential observations in regression.
Biometrika, 68 :1320, 1981.
[3] B. Bercu and D. Chafa. Modlisation stochastique et simulation. Dunod, Paris, 2007.
[4] R. D. Cook. Detection of influential observation in linear regression. Technometrics, 19 :1518,
1977.
[5] P.-A. Cornillon and E. Matzner-Lber. Rgression avec R. Springer, Paris, 2010.
[6] Y. Dodge and V. Rousson. Analyse de rgression applique. Dunod, 2004.
[7] G. H. Golub and C. F. Van Loan. Matrix computations. John Hopkins university press, 3rd
edition, 1996.
[8] T. Hastie, R. Tibshirani, and J. Friedman. The elements of statistical learning - data mining,
inference and prediction. Springer, New-York, 2001.
[9] D. C. Hoaglin and R. E. Welsch. The hat matrix in regression and anova. The American
Statistician, 32 :1722, 1978.
[10] P. Huber. Robust Statistics. J. Wiley & Sons, New-York, 1981.
[11] F. Husson and J. Pags. Statistiques gnrales pour utilisateurs (2. Exercices et corrigs).
Presses Universitaires de Rennes, 2005.
[12] E. L. Lehmann and G. Casella. Theory of point estimation. Springer, New-York, 1998.
[13] M. Lejeune. Statistique. La thorie et ses applications. Springer, Paris, 2004.
[14] D. C. Montgomery, E. A. Peck, and G. Geoffrey Vining. Introduction to linear regression
analysis. John Wiley, New-York, 3 edition, 2001.
[15] A. Sen and M. Srivastava. Regression Analysis : Theory, Methods, and Applications. Springer,
1990.