Bibliotheques (Y)

16.665
15.749
13.999
13.604
13.862
13.577
13.804
13.849
13.821
13.785

Lecteurs inscrits (x)

5.871
5.721
5.365
5.878
5.71
5.739
5.821
5.78
6.148
6.071

Le model unifactoriel : y = f(x1) + u1 concernant la dpendance des bibliothques

et du numro des lecteurs inscrits sur une rase de un kilomtre

SUMMARY OUTPUT
Regression Statistics
Multiple R
0.73
R Square
0.53
Adjusted R Square
0.47
Standard Error
0.76
Observations
10
ANOVA
df
Regression
Residual
Total

SS
1
8
9

MS
5.28
4.64
9.92

F
5.28
0.58

9.10

Significance F
0.02

Coefficient
s
Intercept
(b)
X Variable
1 (a)

Standard
Error

t Stat

P-value

Lower
95%

Upper
95%

35.05

6.89

5.08

0.00

19.15

50.94

-3.58

1.19

-3.02

0.02

-6.31

0.84

RESIDUAL OUTPUT
Observatio
n
1
2
3
4
5
6
7
8
9
10

Predicted
Y
15.86
14.63
14.59
14.53
14.38
14.23
14.05
14.03
13.34
13.06

Residuals
0.80
1.12
-0.59
-0.92
-0.52
-0.66
-0.25
-0.18
0.48
0.72

Du tableau no.1.1. rsulte que :

Multiple R ou le coefficient de corrlation est de 0.73 qui suggre une
corrlation moyenne
R Square (R2) ou le coefficient de dtermination est de 0.53
Standard Error ou lcart type de la variable rsiduelle s est de 0.76
Observations ou n est le volume de lchantillon
Du tableau no.1.2. rsulte que :
Df est degre of freedom
-Le numro des degrs de libert pour la variable factorielle est 1 (k) ;
-Le numro des degrs de libert pour la variable rsiduelle est de 8(n-k-1) ;
SS est sum of square
- SS Regression ou V2x est la somme des carrs des rgressions
- SS Residual ou V2u est la somme des carrs des rsiduelles
- SS Total = SS Regression + SS Residual
MS est mean of square
- MS Regression ou s2y/x est la variance explique par le model
- MS Residual ou s2 est la variance explique par la variable rsiduelle

F est le Test Fisher-Snedecor (s2y/x / s2 ) qui indique si les rsultats obtenus sont
ou non significatives.

Du tableau no.1.3. rsulte que :

Intercept est le coefficient b et il est gal 35.05 ; X Variable 1 est le coefficient a1

et il est gal -3.58

Standard Error reprsente lcart type pour a1 (s ) et b1 (sb^ )

t Stat est le rapport entre le coefficient et standard error not t et t b^

Lower 95% est la borne inferieure de lintervalle pour les paramtres et b^

Upper 95% est la borne suprieure de l intervalle pour les paramtres et b^

Du tableau no.1.4. rsulte que :

Observations est n

Predicted Y est Y

Residuals est

2. Verification des hypothses du MCMMP

H 1. Lobservation des variables sans erreurs de mesure
xt (x +- 3x ) x 3x < xt < x + 3x
_
_
_
yt (y +- 3y ) y - 3y <y < y + 3y

_
x = 58.104/ 10 = 5.8104 ; x = 273.462 => xt ( 5.8104 273.462 ) xt ( - 267.65 ; 279.27)
_

y = 142.715/ 10= 14.27 ; y = 40.62 => yt ( 14.27 3*40.62), yt ( -107.59 ; 264.57 )

H 2. La variable alatoire u t est une moyenne nulle, M(u t) = 0 et a une dispersion
constante. Lhypothse H 2 prvoit que les erreurs de u t sont homoscedastiques et
non pas heteroscedastiques.
M(u)= ui = 0 = 0
n
10

H 3. Les variables u et x ne sont pas corrls, sont indpendantes.

_
ui (x- x)
0
Cov (u,x) = ________ = ____ = 0
n
10
(x)
5.365
5.71
5.721
5.739
5.78
5.821
5.871
5.878
6.071
6.148

x-xmoyen
-268.1
-267.75
-267.74
-267.72
-267.68
-267.64
-267.59
-267.58
-267.39
-267.31

(x- xmoyen)*u
-214.48
-299.88
157.97
246.3
139.19
176.64
66.9
48.16
128.35
192.46

I4. La variable alatoire u suie une distribution normale, de moyenne zero et une
dispersion constante.

M(u) = 0 ;
P (| ut | t * s ) = 1-
t0.05 = 2
s = 0.76
t * s = 1.52
ut

t * s = 1.52

0.80
1.12
-0.59
-0.92
-0.52
-0.66
-0.25
-0.18
0.48
0.72

<1.52
<1.52
<1.52
<1.52
<1.52
<1.52
<1.52
<1.52
<1.52
<1.52

P (| ut | t * s ) = 100 %
H 5. Les valeurs de la variable rsiduelle sont indpendantes, il nexiste pas le
phnomne dautocorrlation des erreurs.

cov (ui, uj ) = 0
On utilise le teste Durbin-Watson:
0 < d < d1

d1 <= d <= d2

Autocorlation
positive

Indcision

d2 < d < 4 - d2
Les erreurs
sont
indpendantes

4 - d2 <= d <= 4 d1

4 d1 < d < 4

Indcision

Autocorlation
ngative

( t t-1)2 4.6171
d = __________ = _______ = 0.99
t2
4.6386

d1 =1,08

d1 <= d <= d2 indecision

d2 =1,36

1. Vrification conomique des estimateurs

t face t0.05;8

t b^ face t0.05;8

| t b^| = 5.08 > 4.74 le paramtre b est significatif diffrent de 0, du point de vue statistique
| t | = -3.02 < 4.74 le paramtre a nest pas significatif diffrent de 0, du point de vue
statistique

on retient le model y=f(x) + u = bx + u

2. Vrification conomique du model

Fc face F0,05 ; 1 ; 7
Fc = 9.10
F0,05 ; 1 ; 7 = 5.59