Vous êtes sur la page 1sur 31

REGRESSION PAR MORCEAUX ( Version mise à jour)

PIECEWISE REGRESSION ( Updated version )

Jean Jacquelin
REGRESSION PAR MORCEAUX

PIECEWISE REGRESSION

OBJET : Calculer les paramètres d’une fonction définie par morceaux, de telle
sorte que la courbe représentative de cette fonction passe au plus près d’un
ensemble de points donnés.

OBJECT : To compute the parameters of a piecewise function so that the function


fits a given set of points.

Les deux figures suivantes illustrent ce genre de problèmes :

Cas discontinu : f j 1 (a j )  f j (a j ) :

Cas continu : f j 1(a j )  f j (a j )

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 2


Méthode de construction d’une équation intégrale dont la fonction y(x) ci-dessus est
solution :

Le principe général est décrit dans l’article précédent : REGRESSIONS ET


EQUATIONS INTEGRALES.

https://fr.scribd.com/doc/14674814/Regressions-et-equations-integrales

Des primitives successives permettent d’éliminer les fonctions non linéaires en


introduisant des intégrales pouvant être calculées approximativement par intégration
numérique.

Bien sûr, ceci n’est pas toujours possible, ou conduit le plus souvent à des équations
trop compliquées. Toutefois, certaines fonctions se prêtent mieux que d’autres à ce
genre de calcul. De nombreux exemples sont donnés dans l’article précité, avec diverses
combinaisons de fonctions exponentielles, sinusoïdales, etc.

La fonction d’Heaviside H(x) est une fonction qui convient particulièrement bien car
les intégrales successives s’expriment avec la même fonction d’Heaviside :

 H ( x  a)dx  ( x  a) H ( x  a)  constante
1
 xH ( x  a)dx  2 ( x  a 2 ) H ( x  a)  constante
2

 1
x H ( x  a)dx  ( x 1  a 1 ) H ( x  a)  constante
 1

1
     H ( x  a )  constante
2
( x a ) H ( x a ) dx ( x a )
2

 1
 ( x  a ) H ( x  a)dx  ( x  a ) 1 H ( x  a )  constante
 1
Ainsi que les intégrales de produit de certaines fonctions avec une fonction de
Heaviside, par exemple :

x 1
 e H ( x  a)dx  (e  x  e  a ) H ( x  a )  constante

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 3


Une fonction y(x) définie par morceaux s’exprime par la somme de fonctions données :
f1( x) , ... , f j ( x ) , ... , f m (x ) respectivement affectées de coefficients 0 ou 1 grâce aux
fonctions d’Heaviside appropriées :

m

y ( x)   f j ( x) H ( x  a j 1 )  H ( x  a j ) 
j 1

y ( x)  f1 ( x) H ( x  a0 ) 
m
 
  f j ( x)  f j 1 ( x) H ( x  a j 1 )  f m ( x) H ( x  am )
j 2

Tous les points x1  x2  ...  xk ...  xn sont pris en compte, donc

a0  x1 et xn  am ce qui entraine H  x  a0   1 et H  x  am   0
m
 
y ( x)  f1 ( x)   f j ( x)  f j 1 ( x) H ( x  a j 1 ) 
j 2

L’équation comporte (m  1) fonctions de Heaviside :

 
H  x  a1  , H  x  a2  , ... , H x  a j , ... , H  x  am1 

En effet, am n’intervient pas et est arbitraire à condition que am  xn . Donc, en


principe, il est possible d’appliquer la méthode exposée dans l’article précité.

Dans la mesure du possible, on calcule m-1 intégrales à partir de la fonction y(x) ci-
dessus. Ceci donne m équations où les m-1 fonctions H(x-aj) apparaissent linéairement
(évidemment avec des facteurs non linéaires). Ceci implique une relation entre tous ces
facteurs. Cette relation est obtenue en éliminant les fonctions d’Heaviside par calcul
linéaire systématique ou par calcul matriciel. Le résultat est une équation sans fonction
d’Heaviside, mais avec les intégrales qui ont été introduites. C’est l’équation intégrale
recherchée.

Ainsi, on est ramené à un problème de régression d’équation intégrale. Dans des cas
favorables, tels que les exemples de l’article précité, la régression est linéaire, ce qui
permet de résoudre le problème.

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 4


Toutefois, si les fonctions fj(x) incluent de façon non linéaire des paramètres
intervenant dans la régression, l’élimination des fonctions non linéaires nécessite un
plus grand nombre d’intégrations, conduisant à une équation intégrale plus compliquée
lorsqu’on réussi à venir à bout des calculs analytiques.

AVERTISSEMENT :

Le présent papier est une version provisoire et peu avancée. Les aspects théoriques sont
seulement évoqués dans les lignes précédentes, sans être approfondis.

L’attention est essentiellement portée sur les exemples numériques dans les pages
suivantes. Pour comprendre la méthode et apprendre à l’appliquer , il peut être plus
efficace de l’expérimenter avec des exemples simples que de la présenter théoriquement
sous une forme générale et abstraite.

<< Un petit dessin vaut mieux qu’un long discours >> disait Napoléon.

En paraphrasant cet adage par : << Un petit exemple d’application vaut mieux qu’un
long développement théorique >> , pour faire comprendre et appliquer pratiquement la-
dite théorie.

En conséquence, la version très incomplète actuelle est limitée à un choix d’exemples,


dont les détails de calcul semblent superflus. Ils ont été ajoutés dans le but de
permettre, à celui qui le souhaite, de comparer avec ses propres résultats numériques
lors de la mise au point de programmes de calcul.

Ces exemples sont tous avec des fonctions du genre f j ( x)  p j x  q j , c'est-à-dire


des cas de fonctions y(x) définies par segments de droites. Le cas général beaucoup plus
difficile, de fonctions fj(x) non linéaires, n’est pas abordé en l’état actuel de ce papier.

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 5


(1)

q x  a1
FONCTION : y ( x)   1
q2 x  a1
y( x)  q1 1  H ( x  a1 )   q2 H ( x  a1 )
y( x)  q1  ( q2  q1 ) H ( x  a1 )

Construction d’une équation intégrale :


 ydx  q x  (q  q )( x  a )H ( x  a )  constante
1 2 1 1 1

 ydx  q x  ( x  a )( y  q )  constante
1 1 1

y
1
a1

xy   ydx  c 
Une régression linéaire donne une approximation de 1/a1 .

Ensuite, avec la valeur de a1 obtenue, une régression linéaire avec


y( x)  q1 1  H ( x  a1 )   q2 H ( x  a1 ) donne les approximations de q1 et q2 .

Données (n points) : ( x1 , y1 ) , ( x2 , y2 ) , ... , ( xk , yk ) , ... , ( xn , yn )


ALGORITHME de CALCUL :
Classer par ordre croissant des xk : x1  x2  ...  xk ...  xn 1  xn
Sy1  0 ; Syk  Syk 1  12 ( yk 1  yk )( xk  xk 1 ) 2k n
Calcul de a1 :
1 k  n : F0,k  yk ; F1,k  xk yk  Syk ; F2,k  1
1
 n n
  n 
 ( F1,k )2
 C1   k 1
 F1,k F2,k    F0,k F1,k 
  n
k 1
  k 1   a1  1
 C2   F F 2   n 
n
C1
  1,k 2,k  ( F1,k )    F0,k F2,k 
 k 1 k 1   k 1 

Calcul de p1 et q1 :

Régression globale :

1  k  n : G0,k  yk ; G1,k  1  H ( xk  a1 ) ; G2,k  H ( xk  a1 )


1
 n n
  n 
 
 1   k 1
q
(G1,k )2  G1,k G2,k    G0,k G1,k 
  n
k 1
  k 1 
 q2   G G   n 
n

  1,k 2,k  (G1,k )2    G0,k G2,k 


 k 1 k 1   k 1 

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 6


EXEMPLE NUMERIQUE

Régression globale :

Régressions séparées pour chaque segment :


n n

 yk 1  H ( xk  a1 )   y H (xk k  a2 )
q1  k 1
n
; q2  k 1
n

 1  H ( x
k 1
k  a1 )   H (x
k 1
k  a2 )

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 7


(2)

 p x  q1 x  a1
FONCTION : y ( x)   1
q2 =p1a1  q1 x  a1
y( x)  ( p1 x  q1 ) 1  H ( x  a1 )   q2 H ( x  a1 )
y( x)  p1 x  q1  p1 ( x  a1 ) H ( x  a1 )

Construction d’une équation intégrale :


 ydx  p1 x 2  q1 x  12 p1 ( x  a1 )2 H ( x  a1 )  constante
1
2

 ydx  p1 x 2  q1 x  12 ( x  a1 )( y  p1 x  q1 )  constante
1
2

Après simplification : a1 y  2 ydx  xy  (q1  a1 p1 )x  Constante


 
y
1
a1
 q

xy  2 ydx   p1  1 p1  x  C
 a1 
Une régression linéaire donne une approximation de 1/a1 .
Ensuite, avec la valeur de a1 obtenue, une régression linéaire avec
y( x)   x  p1 ( x  a1 ) H ( x  a1 )  p1  q1 donne les approximations de p1 et q1 .

Données (n points) : ( x1 , y1 ) , ( x2 , y2 ) , ... , ( xk , yk ) , ... , ( xn , yn )


ALGORITHME de CALCUL :
Classer par ordre croissant des xk : x1  x2  ...  xk ...  xn 1  xn

Sy1  0 ; Syk  Syk 1  12 ( yk 1  yk )( xk  xk 1 ) 2k n


Calcul de a1 :
1 k  n : F0,k  yk ; F1,k  xk yk  2Syk ; F2,k  xk ; F3,k  1
1
 n n n
  n 
  ( F1,k )  F1,k F2,k    F0,k F1,k 
2
F1,k F3,k 
 C1   k 1 k 1 k 1
  k 1 
   n n n
  n  1
 C2     F1,k F2,k  (F 2, k )2  F2,k F3,k    F0,k F2,k   a1 
C1
 C   k 1 k 1 k 1   k 1 
 3  n
2   n 
n n

  F1,k F3,k F 2, k F3,k  ( F3,k )    F0,k F3,k 


 k 1 k 1 k 1   k 1 

Calcul de p1 , q1 et q2 :

Régression globale :
1 k  n : G0,k  yk ; G1,k  xk  ( xk  a1 ) H ( xk  a1 ) ; G2,k  1
1
 n n
  n 
 
 1   k 1
p
(G1,k ) 2  G1,k G2,k    G0,k G1,k 
  n
k 1
  k 1  ; q2  p1a1  q1
 q1   G G   n 
n

  1,k 2,k  (G1,k ) 2    G0,k G2,k 


 k 1 k 1   k 1 

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 8


EXEMPLE NUMERIQUE

Régressions séparées pour chaque segment :

w1,k  1  H ( xk  a1 ) ; w2,k  H ( xk  a1 )
1
 n n
  n  n

 
 p1   k 1
( xk )2 w1,k  xk w1,k    xk yk w1,k  y w k 2, k
q2  q1
 
k 1
  k 1  ; q2  k 1
; a1* 
 q1     n 
n n n

w
p1
  xk w1,k  w1,k    yk w1,k  2, k
 k 1 k 1   k 1  k 1

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 9


(3)

q =p a  q x  a1
FONCTION : y ( x)   1 2 1 2
 p2 x  q2 x  a1
y ( x)  q1 1  H ( x  a1 )   ( p2 x  q2 ) H ( x  a1 )
y ( x)  q1  p2 ( x  a1 ) H ( x  a1 )

Construction d’une équation intégrale :


 ydx  q x  p ( x  a ) H ( x  a )  constante
1 2
1 2 2 1 1

 ydx  q x  ( x  a )( y  q )  constante
1
1 2 1 1

Après simplification : a y  xy  2 ydx  q x  constante


1 1

y
1
a1
 q
xy  2 ydx  1 x  C
a1

Une régression linéaire donne une approximation de 1/a1 .
Ensuite, avec la valeur de a1 obtenue, une régression linéaire avec
y ( x)  q1  p2 ( x  a1 ) H ( x  a1 ) donne les approximations de q1 et p2 .

Données (n points) : ( x1 , y1 ) , ( x2 , y2 ) , ... , ( xk , yk ) , ... , ( xn , yn )


ALGORITHME de CALCUL :
Classer par ordre croissant des xk : x1  x2  ...  xk ...  xn 1  xn

Sy1  0 ; Syk  Syk 1  12 ( yk 1  yk )( xk  xk 1 ) 2k n


Calcul de a1 :
1 k  n : F0,k  yk ; F1,k  2Syk  xk yk ; F2,k  xk ; F3,k  1
1
 n n n
  n 
  ( F1,k ) F    F0,k F1,k 
2
1, k F2,k F1,k F3,k 
 C1   k 1 k 1 k 1
  k 1 
   n n n
  n  1
 C2     F1,k F2,k  (F 2, k )2  F2,k F3,k    F0,k F2,k   a1 
C1
 C   k 1 k 1 k 1   k 1 
 3  n n n   n 
  F1,k F3,k F 2, k F3,k  ( F3,k ) 2    F0,k F3,k 
 k 1 k 1 k 1   k 1 

Calcul de q1 , p2 et q2 :

Régression globale :
1 k  n : G0,k  yk ; G1,k  1 ; C2,k  ( xk  a1 ) H ( xk  a1 )
1
 n n
  n 
 (G1,k )2
 q1   k 1
 G1,k G2,k    G0,k G1,k 
  n
k 1
  k 1  ; q2  q1  p2 a1
 p2   G G 2   n 
n

  1,k 2,k  (G1,k )    G0,k G2,k 


 k 1 k 1   k 1 

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 10


EXEMPLE NUMERIQUE

Régressions séparées pour chaque segment :

w1,k  1  H ( xk  a1 ) ; w2,k  H ( xk  a2 )
1
n  n n
  n 
 yk w1,k  ( xk )2 w2,k
 p2   k 1
 xk w2,k    xk yk w2,k 
q1  k 1
;  
k 1
  k 1  ; a1*  q1  q2
 q2     n 
n n n
w
p2
k 1
1, k  
 k 1
xk w2,k 
k 1
w2,k 

  yk w2,k 
 k 1 

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 11


(4)

 p x  q1 x  a1
FONCTION : y ( x)   1 ; p1a1  q1  p2 a1  q2
 p2 x  q2 x  a1
y ( x)  ( p1 x  q1 ) 1  H ( x  a1 )   ( p2 x  q2 ) H ( x  a1 )
y ( x)  p1 x  q1  ( p2  p1 )( x  a1 ) H ( x  a1 )

Construction d’une équation intégrale :


 ydx  p1 x 2  q1 x  12 ( p2  p1 )( x  a1 )2 H ( x  a1 )  constante
1
2

 ydx  p1 x 2  q1 x  12 ( x  a1 )( y  p1 x  q1 )  constante
1
2

Après simplification : a1 y  xy  2 ydx  (q1  a1 p1 )x  constante


q 
y
1
a1
  a1

xy  2  ydx   1  p1  x  C

Une régression linéaire donne une approximation de 1/a1 .
Ensuite, avec la valeur de a1 obtenue, une régression linéaire avec
y ( x)  p1 x  q1  ( p2  p1 )( x  a1 ) H ( x  a1 ) donne les approximations de p1 , q1 et p2 .

Données (n points) : ( x1 , y1 ) , ( x2 , y2 ) , ... , ( xk , yk ) , ... , ( xn , yn )

ALGORITHME de CALCUL :
Classer par ordre croissant des xk : x1  x2  ...  xk ...  xn 1  xn

Sy1  0 ; Syk  Syk 1  12 ( yk 1  yk )( xk  xk 1 ) 2k n


Calcul de a1 :
1 k  n : F0,k  yk ; F1,k  xk yk  2Syk ; F2,k  xk ; F3,k  1
1
 n n n
  n 
  ( F1,k ) F    F0,k F1,k 
2
1, k F2,k F1,k F3,k 
 C1   k 1 k 1 k 1
  k 1 
   n n n
  n  1
 C2     F1,k F2,k  (F 2, k )2  F2,k F3,k    F0,k F2,k   a1 
C1
 C   k 1 k 1 k 1   k 1 
 3  n n n   n 
  F1,k F3,k F 2, k F3,k  ( F3,k ) 2    F0,k F3,k 
 k 1 k 1 k 1   k 1 

Calcul de p1 , q1 , p2 et q2 :

Régression globale :
1 k  n : G0,k  yk ; G1,k  xk ; G2,k  1 ; G3,k  ( xk  a1 ) H ( xk  a1 )
1
 n n n
  n 
  (G1,k )  G1,k G2,k    G0,k G1,k 
2
G1,k G3,k 
  n   k 1 
k 1 k 1 k 1
 p1
   n n
  n 
 q1     G1,k G2,k  (G 2, k )2  G2, k G3, k    G0,k G2,k  ; q2  ( p1  p2 )a1  q1
 p  p   k 1 k 1 k 1   k 1 
 2 1
 n n n   n 
  G1,k G3,k G 2, k G3, k  (G3,k ) 2    G0,k G3,k 
 k 1 k 1 k 1   k 1 

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 12


EXEMPLE NUMERIQUE

Régressions séparées pour chaque segment :


1 1
 n n
  n   n n
  n 
 
 1   k 1
( xk ) 2 w1,k  xk w1,k    k k 1,k 
x y w   ( xk ) 2 w2,k  xk w2,k    xk yk w2,k 
 ;  2    k 1
p p
 
k 1
  k 1 k 1
  k 1 
 q1       q2     n 
n n n n n

  w1,k  w1,k    k 1,k 


y w   xk w2,k  w2,k    yk w2, k 
 k 1 k 1   k 1   k 1 k 1   k 1 
q q
a1*  1 2 w1,k  1  H ( xk  a1 ) ; w2, k  H ( xk  a1 )
p2  p1

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 13


(5)

q1 x  a1

FONCTION : y(x)  q2 a1  x  a2
q a2  x
 3
y ( x)  q1 1  H ( x  a1 )   q2  H ( x  a1 )  H ( x  a2 )   q3 H ( x  a2 )

Construction d’une équation intégrale :



 y ( x)  q1  (q2  q1 ) H ( x  a1 )  (q3  q2 ) H ( x  a2 )

  ydx  q1 x  (q2  q1 )( x  a1 ) H ( x  a1 )  (q3  q2 )( x  a2 ) H ( x  a2 )  c0

 
2   ydx dx  q1 x 2  (q2  q1 )( x  a1 ) 2 H ( x  a1 )  (q3  q2 )( x  a2 ) 2 H ( x  a2 )  c1 x  c2

L’élimination de (q2  q1 ) H ( x  a1 ) et de (q3  q2 ) H ( x  a2 ) entre ce système de trois
équations conduit à l’équation intégrale :
y
1
a1a2

2 x  ydx  2   ydx  dx  x y   aaaa  xy   ydx   C x  C
2 1

1 2
2
3 4

Et avec    ydx  dx  x  ydx   xydx  (constante) x  (constante)


1 2 :

y
1
a1a2
 
a a

2 xydx  x 2 y  1 2 xy   ydx  C3 x  C4
a1a2

Les constantes C3 et C4 sont des expressions compliquées dans lesquelles interviennent
les bornes inférieures des intégrales. Il est inutile de les expliciter car elles ne seront pas
utilisées. Les coefficients des deux premiers termes suffisent pour obtenir les
approximations de a1 et a2 par régression linéaire.

1 a1  a2 C2  C2 2  4C1 C2  C2 2  4C1
C1  ; C2   a1  ; a2 
a1a2 a1a2 2C1 2C1

Avec les valeurs de a1 et a2 obtenues, une régression linéaire basée sur l’équation :
y( x)  q1 1  H ( x  a1 )   q2  H ( x  a1 )  H ( x  a2 )   q3 H ( x  a2 )
donne les approximations de q1 , q2 et q3 .

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 14


Données (n points) : ( x1 , y1 ) , ( x2 , y2 ) , ... , ( xk , yk ) , ... , ( xn , yn )
ALGORITHME de CALCUL :
Classer par ordre croissant des xk : x1  x2  ...  xk ...  xn 1  xn
Calcul numérique des intégrales :
Sy1  0 ; Syk  Syk 1  12 ( yk 1  yk )( xk  xk 1 ) 2k n
Sxy1  0 ; Sxyk  Sxyk 1  ( xk 1 yk 1  xk yk )( xk  xk 1 )
1
2
2k n
 F0,k  yk

 F1,k  2Sxyk  ( xk ) yk
2


Calcul de a1 et a2 : 1 k  n  F2,k  xk yk  Syk
F  x
 3,k k

 F4,k  1

1
 n n n n
  n 
  ( F1,k ) F F    F0,k F1,k 
2
1, k F2,k 1, k F3,k F1,k F4,k 
 k 1 k 1 k 1 k 1
  k 1 
 C1   n n n n
  n 
    F1,k F2,k  ( F2,k )2 F 2, k F3,k  F2,k F4,k    F0,k F2,k 
 C2    k 1 k 1 k 1 k 1   k 1 
 C3   n n n n   n 
    F1,k F3,k  F2,k F3,k  (F 3, k )2  F3,k F4,k    F0,k F3,k 
 C4   k 1 k 1 k 1 k 1   k 1 
 n n n n   n 
  F1,k F4,k  F2,k F4,k F 3, k F4,k  ( F4,k ) 2    F0,k F4,k 
 k 1 k 1 k 1 k 1   k 1 
C2  C2 2  4C1 C2  C2 2  4C1
a1  ; a2 
2C1 2C1

Calcul de q1 , q2 et q3 :

Régression globale :
G0,k  yk

G1,k  1  H ( xk  a1 )
1 k  n 
G2,k  H ( xk  a1 )  H ( xk  a2 )
G  H ( x  a )
 3,k k 2

1
 n n n
  n 
  (G1,k )  G1,k G2,k    G0,k G1,k 
2
G1,k G3,k 
 q1   n   k 1 
k 1 k 1 k 1

   n n
  n 
 q2     G1,k G2,k  (G 2, k )2  G2,k G3,k    G0,k G2,k 
 q   k 1 k 1 k 1   k 1 
 3  n
2   n 
n n

  G1,k G3,k G 2, k G3,k  (G3,k )    G0,k G3,k 


 k 1 k 1 k 1   k 1 

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 15


EXEMPLE NUMERIQUE

Régressions séparées pour chaque segment :


n n n

 y 1  H ( x
k k  a1 )   y  H (x
k k  a1 )  H ( xk  a2 )   y H (xk k  a2 )
q1  k 1
n
; q2  k 1
n
; q3  k 1
n

 1  H ( x
k 1
k  a1 )   H (x
k 1
k  a1 )  H ( xk  a2 )   H (x
k 1
k  a2 )

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 16


(6)

q1  p2 a1  q2 x  a1

FONCTION : y (x)   p2 x  q2 a1  x  a2
q  p a  q a2  x
 3 2 2 2

y ( x)  q1 1  H ( x  a1 )   ( p2 x  q2 )  H ( x  a1 )  H ( x  a2 )   q3 H ( x  a2 )

Construction d’une équation intégrale :



 y ( x)  q1  p2 ( x  a1 ) H ( x  a1 )  p2 ( x  a2 ) H ( x  a2 )

2  ydx  2q1 x  p2 ( x  a1 ) H ( x  a1 )  p2 ( x  a2 ) H ( x  a2 )  c0
2 2


 
6   ydx dx  3q1 x 2  p2 ( x  a1 )3 H ( x  a1 )  p2 ( x  a2 )3 H ( x  a2 )  c1 x  c2

L’élimination de p2 ( x  a1 ) H ( x  a1 ) et de p2 ( x  a2 ) H ( x  a2 ) entre ce système de trois
équations conduit à l’équation intégrale :
y
1
a1a2

4 x  ydx  6   ydx  dx  x y   aaaa  xy  2 ydx   c x  c
2 1

1 2
2
3 4

Et avec    ydx  dx  x  ydx   xydx  (constante) x  (constante) 1 2 :

y
1
a1a2
 a a
 
6 xydx  2 x  ydx  x 2 y  1 2 xy  2 ydx  C3 x  C4
a1a2

Les constantes C3 et C4 sont des expressions compliquées dans lesquelles interviennent
les bornes inférieures des intégrales. Il est inutile de les expliciter car elles ne seront pas
utilisées. Les coefficients des deux premiers termes suffisent pour obtenir les
approximations de a1 et a2 par régression linéaire.

1 a1  a2 C2  C2 2  4C1 C2  C2 2  4C1
C1  ; C2   a1  ; a2 
a1a2 a1a2 2C1 2C1

Avec les valeurs de a1 et a2 obtenues, une régression linéaire basée sur l’équation :
y( x)  q1  p2  ( x  a1 ) H ( x  a1 )  ( x  a2 ) H ( x  a2 ) 
donne les approximations de q1 et p2 . Ensuite q2   p2 a1  q1 ; q3  p2 a2  q2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 17


Données (n points) : ( x1 , y1 ) , ( x2 , y2 ) , ... , ( xk , yk ) , ... , ( xn , yn )
ALGORITHME de CALCUL :
Classer par ordre croissant des xk : x1  x2  ...  xk ...  xn 1  xn
Calcul numérique des intégrales :
Sy1  0 ; Syk  Syk 1  12 ( yk 1  yk )( xk  xk 1 ) 2k n
Sxy1  0 ; Sxyk  Sxyk 1  ( xk 1 yk 1  xk yk )( xk  xk 1 )
1
2
2k n
 F0,k  yk

 F1,k  6 Sxyk  2 xk Syk  ( xk ) yk
2


Calcul de a1 et a2 : 1 k  n  F2,k  xk yk  2Syk
F  x
 3,k k

 F4,k  1

1
 n n n n
  n 
  ( F1,k ) F F    F0,k F1,k 
2
1, k F2,k 1, k F3,k F1,k F4,k 
 k 1 k 1 k 1 k 1
  k 1 
 C1   n n n n
  n 
    F1,k F2,k  ( F2,k )2 F 2, k F3,k  F2,k F4,k    F0,k F2,k 
 C2    k 1 k 1 k 1 k 1   k 1 
 C3   n n n n   n 
    F1,k F3,k  F2,k F3,k  (F 3, k )2  F3,k F4,k    F0,k F3,k 
 C4   k 1 k 1 k 1 k 1   k 1 
 n n n n   n 
  F1,k F4,k  F2,k F4,k F 3, k F4,k  ( F4,k ) 2    F0,k F4,k 
 k 1 k 1 k 1 k 1   k 1 
C2  C2 2  4C1 C2  C2 2  4C1
a1  ; a2 
2C1 2C1

Calcul de p2 , q1 , q2 et q3 :

Régression globale :
G0,k  yk

1 k  n G1,k  1
G  ( x  a ) H ( x  a )  ( x  a ) H ( x  a )
 2,k k 1 k 1 k 2 k 2

1
 n n
  n 
 
 1   k 1
q
(G1,k ) 2  G1,k G2,k    G0,k G1,k 
  n
k 1
  k 1 
 p2   G G   n 
n

  1,k 2,k  (G2,k ) 2    G0,k G2,k 


 k 1 k 1   k 1 

q2   p2 a1  q1 ; q3  p2 a2  q2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 18


EXEMPLE NUMERIQUE

Régressions séparées pour chaque segment :


w1,k  1  H ( xk  a1 ) ; w2,k  H ( xk  a1 )  H ( xk  a2 ) ; w3, k  H ( xk  a2 )
n

y w k 1, k
q1  k 1
1
 k2 k2
  k2  q q
  ( xk ) w2,k    xk yk w2,k 
n

 a1*  1 2
2
w1,k xk w2,k 
p  p2
;  2    k1   k  k1  ;
k 1 k k k  k1

 2   2  q q
yk w3,k  2    xk w2,k
n k2 k
q
  k k  w2,k    yk w2,k  a2*  3 2
p2
q3  k 1n  1 k  k1   k  k1 
 w3,k
k 1

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 19


(7)

q1 x  a1 q1  p2 a1  q2

FONCTION : y (x)   p2 x  q2 a1  x  a2
p xq a2  x p3a2  q3  p2 a2  q2
 3 3

y( x)  q1 1  H ( x  a1 )   ( p2 x  q2 )  H ( x  a1 )  H ( x  a2 )   ( p3 x  q3 ) H ( x  a2 )

Construction d’une équation intégrale :



 y ( x)  q1  p2 ( x  a1 ) H ( x  a1 )  ( p3  p2 )( x  a2 ) H ( x  a2 )

2  ydx  2q1 x  p2 ( x  a1 ) H ( x  a1 )  ( p3  p2 )( x  a2 ) H ( x  a2 )  c0
2 2


 
6   ydx dx  3q1 x 2  p2 ( x  a1 )3 H ( x  a1 )  ( p3  p2 )( x  a2 )3 H ( x  a2 )  c1 x  c2

L’élimination de p2 ( x  a1 ) H ( x  a1 ) et de ( p3  p2 )( x  a2 ) H ( x  a2 ) entre ce système de
trois équations conduit à l’équation intégrale :
y
1
a1a2

4 x  ydx  6   ydx  dx  x y   aaaa  xy  2 ydx   c x  c
2 1

1 2
2
3 4

Et avec    ydx  dx  x  ydx   xydx  (constante) x  (constante)


1 2 :

y
1
a1a2
 
a a

6 xydx  2 x  ydx  x 2 y  1 2 xy  2 ydx  C3 x  C4
a1a2

Les constantes C3 et C4 sont des expressions compliquées dans lesquelles interviennent
les bornes inférieures des intégrales. Il est inutile de les expliciter car elles ne seront pas
utilisées. Les coefficients des deux premiers termes suffisent pour obtenir les
approximations de a1 et a2 par régression linéaire.

1 a1  a2 C2  C2 2  4C1 C2  C2 2  4C1
C1  ; C2   a1  ; a2 
a1a2 a1a2 2C1 2C1

Avec les valeurs de a1 et a2 obtenues, une régression linéaire basée sur l’équation :
y  p2  ( x  a1 ) H ( x  a1 )  ( x  a2 ) H ( x  a2 )   p3 ( x  a2 ) H ( x  a2 )  q1
donne les approximations de p2 , p3 et q1 , puis q2 et q3 :

q2   p2 a1  q1 ; q3  ( p2  p3 )a2  q2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 20


Données (n points) : ( x1 , y1 ) , ( x2 , y2 ) , ... , ( xk , yk ) , ... , ( xn , yn )
ALGORITHME de CALCUL :
Classer par ordre croissant des xk : x1  x2  ...  xk ...  xn 1  xn
Calcul numérique des intégrales :
Sy1  0 ; Syk  Syk 1  12 ( yk 1  yk )( xk  xk 1 ) 2k n
Sxy1  0 ; Sxyk  Sxyk 1  ( xk 1 yk 1  xk yk )( xk  xk 1 )
1
2
2k n
 F0,k  yk

 F1,k  6 Sxyk  2 xk Syk  ( xk ) yk
2


Calcul de a1 et a2 : 1 k  n  F2,k  xk yk  2Syk
F  x
 3,k k

 F4,k  1

1
 n n n n
  n 
  ( F1,k ) F F    F0,k F1,k 
2
1, k F2,k 1, k F3,k F1,k F4,k 
 k 1 k 1 k 1 k 1
  k 1 
 C1   n n n n
  n 
    F1,k F2,k  ( F2,k )2 F 2, k F3,k  F2,k F4,k    F0,k F2,k 
 C2    k 1 k 1 k 1 k 1   k 1 
 C3   n n n n   n 
    F1,k F3,k  F2,k F3,k  (F 3, k )2  F3,k F4,k    F0,k F3,k 
 C4   k 1 k 1 k 1 k 1   k 1 
 n n n n   n 
  F1,k F4,k  F2,k F4,k F 3, k F4,k  ( F4,k ) 2    F0,k F4,k 
 k 1 k 1 k 1 k 1   k 1 
C2  C2 2  4C1 C2  C2 2  4C1
a1  ; a2 
2C1 2C1

Calcul de p2 , p3 , q1 :

Régression globale :
G0,k  yk

G1,k  ( xk  a1 ) H ( xk  a1 )  ( xk  a2 ) H ( xk  a2 )
Calcul de p2 , p3 , q1 : 1  k  n 
G2,k  ( xk  a2 ) H ( xk  a2 )
G  1
 3,k
1
 n n n
  n 
  (G1,k ) G    G0,k G1,k 
2
1, k G2,k G1,k G3,k 
 p2   n   k 1 
k 1 k 1 k 1

   n n
  n 
 p3     G1,k G2,k  (G 2, k )2  G2,k G3,k    G0,k G2,k 
 q   k 1 k 1 k 1   k 1 
 1  n n n   n 
  G1,k G3,k G 2, k G3,k  (G3,k ) 2    G0,k G3,k 
 k 1 k 1 k 1   k 1 

Calcul de q2 et q3 : q2   p2 a1  q1 ; q3  ( p2  p3 )a2  q2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 21


EXEMPLE NUMERIQUE

Régressions séparées pour chaque segment :


w1, k  1  H ( xk  a1 ) ; w2, k  H ( xk  a1 )  H ( xk  a2 ) ; w3, k  H ( xk  a2 )
1 1
 k2 k2
  k2   k2 k2
  k2 
  ( xk ) w2, k x w   xk yk w2, k    ( xk ) w3, k x w   xk yk w3, k 
n

 yk w1,k
2 2
k 2, k  k 3, k 
 p2   k  k1 k  k1   1
k  k ;  p   1
k  k k  k1   k  k1 
q1  k 1
;   k   q    k2
3
n   k2   k2 
 q2   2 x w
k2
 3 
k2
w 1, k
 k k 2, k w 2, k


  yk w2, k 
 k k 
  xk w3, k
 k k w 3, k


  yk w3, k 
 k k 
k 1
  k1 k  k1   1   1 k  k1   1 
q1  q2 q q
a1*  ; a2*  3 2
p2 p2  p3

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 22


(8)

 p1 x  q1 x  a1 p1a1  q1  q2

FONCTION : y (x)  q2 a1  x  a2
p xq a2  x p3a2  q3  q2
 3 3

y( x)  ( p1 x  q1 ) 1  H ( x  a1 )   q2  H ( x  a1 )  H ( x  a2 )   ( p3 x  q3 ) H ( x  a2 )

Construction d’une équation intégrale :



 y ( x)  p1 x  q1  p1 ( x  a1 ) H ( x  a1 )  p3 ( x  a2 ) H ( x  a2 )

2  ydx  p1 x  2q1 x  p1 ( x  a1 ) H ( x  a1 )  p3 ( x  a2 ) H ( x  a2 )  c0
2 2 2


 
6   ydx dx  p1 x 3  3q1 x 2  p1 ( x  a1 )3 H ( x  a1 )  p3 ( x  a2 )3 H ( x  a2 )  c1 x  c2

L’élimination de p1 ( x  a1 ) H ( x  a1 ) et de p3 ( x  a2 ) H ( x  a2 ) entre ce système de trois
équations conduit à l’équation intégrale :
y
1
a1a2

4 x  ydx  6   ydx  dx  x y   aaaa  xy  2 ydx   c x  c
2 1

1 2
2
3 4

Et avec    ydx  dx  x  ydx   xydx  (constante) x  (constante)


1 2 :

y
1
a1a2
 
a a

6 xydx  2 x  ydx  x 2 y  1 2 xy  2 ydx  C3 x  C4
a1a2

Les constantes C3 et C4 sont des expressions compliquées dans lesquelles interviennent
les bornes inférieures des intégrales. Il est inutile de les expliciter car elles ne seront pas
utilisées. Les coefficients des deux premiers termes suffisent pour obtenir les
approximations de a1 et a2 par régression linéaire.

1 a1  a2 C2  C2 2  4C1 C2  C2 2  4C1
C1  ; C2   a1  ; a2 
a1a2 a1a2 2C1 2C1

Avec les valeurs de a1 et a2 obtenues, une régression linéaire basée sur l’équation :
y  p1  x  ( x  a1 ) H ( x  a1 )   p3 ( x  a2 ) H ( x  a2 )  q1
donne les approximations de p1 , p3 et q1 , puis q2 et q3 :

q2  p1a1  q1 ; q3   p3a2  q2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 23


Données (n points) : ( x1 , y1 ) , ( x2 , y2 ) , ... , ( xk , yk ) , ... , ( xn , yn )
ALGORITHME de CALCUL :
Classer par ordre croissant des xk : x1  x2  ...  xk ...  xn 1  xn
Calcul numérique des intégrales :
Sy1  0 ; Syk  Syk 1  12 ( yk 1  yk )( xk  xk 1 ) 2k n
Sxy1  0 ; Sxyk  Sxyk 1  ( xk 1 yk 1  xk yk )( xk  xk 1 )
1
2
2k n
 F0,k  yk

 F1,k  6 Sxyk  2 xk Syk  ( xk ) yk
2


Calcul de a1 et a2 : 1 k  n  F2,k  xk yk  2Syk
F  x
 3,k k

 F4,k  1

1
 n n n n
  n 
  ( F1,k ) F F    F0,k F1,k 
2
1, k F2,k 1, k F3,k F1,k F4,k 
 k 1 k 1 k 1 k 1
  k 1 
 C1   n n n n
  n 
    F1,k F2,k  ( F2,k )2 F 2, k F3,k  F2,k F4,k    F0,k F2,k 
 C2    k 1 k 1 k 1 k 1   k 1 
 C3   n n n n   n 
    F1,k F3,k  F2,k F3,k  (F 3, k )2  F3,k F4,k    F0,k F3,k 
 C4   k 1 k 1 k 1 k 1   k 1 
 n n n n   n 
  F1,k F4,k  F2,k F4,k F 3, k F4,k  ( F4,k ) 2    F0,k F4,k 
 k 1 k 1 k 1 k 1   k 1 
C2  C2 2  4C1 C2  C2 2  4C1
a1  ; a2 
2C1 2C1

Calcul de p1 , q1 , q2 , p3 , q3 :

Régression globale :
G0,k  yk

G1,k  xk  ( xk  a1 ) H ( xk  a1 )
Calcul de p1 , p3 , q1 : 1  k  n 
G2,k  ( xk  a2 ) H ( xk  a2 )
G  1
 3,k
1
 n n n
  n 
  (G1,k )  G1,k G2,k    G0,k G1,k 
2
G1,k G3,k 
 p1   n   k 1 
k 1 k 1 k 1

   n n
  n 
 p3     G1,k G2,k  (G 2, k )2  G2,k G3,k    G0,k G2,k 
 q   k 1 k 1 k 1   k 1 
 1  n
2   n 
n n

  G1,k G3,k G 2, k G3,k  (G3,k )    G0,k G3,k 


 k 1 k 1 k 1   k 1 

Calcul de q2 et q3 : q2  p1a1  q1 ; q3   p3a2  q2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 24


Régressions séparées pour chaque segment :
w1, k  1  H ( xk  a1 ) ; w2, k  H ( xk  a1 )  H ( xk  a2 ) ; w3, k  H ( xk  a2 )
1 1
 k2 k2
  k2   k2 k2
  k2 
 k    xk yk w1, k    ( xk ) w3, k    xk yk w3, k 
n

y w
2 2
( x ) w1, k xk w1, k  xk w3, k 
 p1   k  k1 k  k1   k  k1 ; q 
k 2, k
 p3   k  k1 k  k1   k  k1 
    k2 ;   k
k 1
  k2  2 n   k2 
 1 
k2
 q3   2 x w
k2
w
q
 k  1,k    yk w1, k 
 k  3,k 
x w w w   yk w3, k 
k 1, k  k k  2, k k 3, k  k k 
  k1 k  k1   1  k 1
  k1 k  k1   1 
q  q q  q
a1*  2 1 ; a2*  2 3
p1 p3

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 25


(9)

 p1 x  q1 x  a1 p1a1  q1  p2 a1  q2

FONCTION : y (x)   p2 x  q2 a1  x  a2
q a2  x q3  p2 a2  q2
 3

y( x)  ( p1 x  q1 ) 1  H ( x  a1 )   ( p2 x  q2 )  H ( x  a1 )  H ( x  a2 )   q3 H ( x  a2 )

Construction d’une équation intégrale :



 y ( x)  p1 x  q1  ( p2  p1 )( x  a1 ) H ( x  a1 )  p2 ( x  a2 ) H ( x  a2 )

2  ydx  p1 x  2q1 x  ( p2  p1 )( x  a1 ) H ( x  a1 )  p2 ( x  a2 ) H ( x  a2 )  c0
2 2 2


 
6   ydx dx  p1 x 3  3q1 x 2  ( p2  p1 )( x  a1 )3 H ( x  a1 )  p2 ( x  a2 )3 H ( x  a2 )  c1 x  c2

L’élimination de ( p2  p1 )( x  a1 ) H ( x  a1 ) et de p2 ( x  a2 ) H ( x  a2 ) entre ce système de
trois équations conduit à l’équation intégrale :
y
1
a1a2

4 x  ydx  6   ydx  dx  x y   aaaa  xy  2 ydx   c x  c
2 1

1 2
2
3 4

Et avec    ydx  dx  x  ydx   xydx  (constante) x  (constante)


1 2 :

y
1
a1a2
 
a a

6 xydx  2 x  ydx  x 2 y  1 2 xy  2 ydx  C3 x  C4
a1a2

Les constantes C3 et C4 sont des expressions compliquées dans lesquelles interviennent
les bornes inférieures des intégrales. Il est inutile de les expliciter car elles ne seront pas
utilisées. Les coefficients des deux premiers termes suffisent pour obtenir les
approximations de a1 et a2 par régression linéaire.

1 a a C2  C2 2  4C1 C2  C2 2  4C1
C1  ; C2  1 2  a1  ; a2 
a1a2 a1a2 2C1 2C1

Avec les valeurs de a1 et a2 obtenues, une régression linéaire basée sur l’équation :
y  p1  x  ( x  a1 ) H ( x  a1 )   p2  ( x  a1 ) H ( x  a1 )  ( x  a2 ) H ( x  a2 ) 
donne les approximations de p1 , p2 et q1 , puis q2 et q3 :

q2  ( p1  p2 )a1  q1 ; q3  p2 a2  q2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 26


Données (n points) : ( x1 , y1 ) , ( x2 , y2 ) , ... , ( xk , yk ) , ... , ( xn , yn )
ALGORITHME de CALCUL :
Classer par ordre croissant des xk : x1  x2  ...  xk ...  xn 1  xn
Calcul numérique des intégrales :
Sy1  0 ; Syk  Syk 1  12 ( yk 1  yk )( xk  xk 1 ) 2k n
Sxy1  0 ; Sxyk  Sxyk 1  ( xk 1 yk 1  xk yk )( xk  xk 1 )
1
2
2k n
 F0,k  yk

 F1,k  6 Sxyk  2 xk Syk  ( xk ) yk
2


Calcul de a1 et a2 : 1 k  n  F2,k  xk yk  2Syk
F  x
 3,k k

 F4,k  1

1
 n n n n
  n 
  ( F1,k ) F F    F0,k F1,k 
2
1, k F2,k 1, k F3,k F1,k F4,k 
 k 1 k 1 k 1 k 1
  k 1 
 C1   n n n n
  n 
    F1,k F2,k  ( F2,k )2 F 2, k F3,k  F2,k F4,k    F0,k F2,k 
 C2    k 1 k 1 k 1 k 1   k 1 
 C3   n n n n   n 
    F1,k F3,k  F2,k F3,k  (F 3, k )2  F3,k F4,k    F0,k F3,k 
 C4   k 1 k 1 k 1 k 1   k 1 
 n n n n   n 
  F1,k F4,k  F2,k F4,k F 3, k F4,k  ( F4,k ) 2    F0,k F4,k 
 k 1 k 1 k 1 k 1   k 1 
C2  C2 2  4C1 C2  C2 2  4C1
a1  ; a2 
2C1 2C1

Calcul de p1 , q1, p2 , q2 , q3 :

Régression globale :
G0,k  yk

G1,k  xk  ( xk  a1 ) H ( xk  a1 )
Calcul de p1 , p2 , q1 : 1  k  n 
G2,k  ( xk  a1 ) H ( xk  a1 )  ( xk  a2 ) H ( xk  a2 )
G  1
 3,k
1
 n n n
  n 
  (G1,k ) G    G0,k G1,k 
2
1, k G2,k G1,k G3,k 
 p1   n   k 1 
k 1 k 1 k 1

   n n
  n 
 p2     G1,k G2,k  (G 2, k )2  G2,k G3,k    G0,k G2,k 
 q   k 1 k 1 k 1   k 1 
 1  n n n   n 
  G1,k G3,k G 2, k G3,k  (G3,k ) 2    G0,k G3,k 
 k 1 k 1 k 1   k 1 

Calcul de q2 et q3 : q2  ( p1  p2 )a1  q1 ; q3  p2 a2  q2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 27


Régressions séparées pour chaque segment :
w1, k  1  H ( xk  a1 ) ; w2, k  H ( xk  a1 )  H ( xk  a2 ) ; w3, k  H ( xk  a2 )
1 1
 k2 k2
  k2   k2 k2
  k2 
 k    k k 1, k    ( xk ) w2, k    xk yk w2, k 
n

y w
2 2
( x ) w1, k xk w1, k  x y w xk w2, k 
 p1   k  k1 k  k1   1
k  k ;  p   1
k  k k  k1   k  k1 ; q 
k 3, k

    k2   q    k2
2 k 1
  k2   k2  3 n
 1    yk w1, k   2    xk w2, k
k2 k2
w
q
 x
 k  k k 1, kw  w 
1, k   k k   k k  w2, k    yk w2, k 
 k k  3, k
 1 k  k1   1   1 k  k1   1  k 1

q  q q  q
a1*  2 1 ; a2*  3 2
p1  p2 p2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 28


(10)

 p1 x  q1 x  a1 p1a1  q1  p2 a1  q2

FONCTION : y (x)   p2 x  q2 a1  x  a2
p xq a2  x p3a2  q3  p2 a2  q2
 3 3

y( x)  ( p1 x  q1 ) 1  H ( x  a1 )   ( p2 x  q2 )  H ( x  a1 )  H ( x  a2 )   ( p3 x  q3 ) H ( x  a2 )

Construction d’une équation intégrale :



 y ( x)  p1 x  q1  ( p2  p1 )( x  a1 ) H ( x  a1 )  ( p3  p2 )( x  a2 ) H ( x  a2 )

2  ydx  p1 x  2q1 x  ( p2  p1 )( x  a1 ) H ( x  a1 )  ( p3  p2 )( x  a2 ) H ( x  a2 )  c0
2 2 2


 
6   ydx dx  p1 x 3  3q1 x 2  ( p2  p1 )( x  a1 )3 H ( x  a1 )  ( p3  p2 )( x  a2 )3 H ( x  a2 )  c1 x  c2

L’élimination de ( p2  p1 )( x  a1 ) H ( x  a1 ) et de ( p3  p2 )( x  a2 ) H ( x  a2 ) entre ce système
de trois équations conduit à l’équation intégrale :
y
1
a1a2
4 x  ydx  6   ydx  dx  x y   aaaa  xy  2 ydx   c x  c
2 1

1 2
2
3 4

Et avec    ydx  dx  x  ydx   xydx  (constante) x  (constante)


1 2 :

y
1
a1a2
 a a
 
6 xydx  2 x  ydx  x 2 y  1 2 xy  2 ydx  C3 x  C4
a1a2

Les constantes C3 et C4 sont des expressions compliquées dans lesquelles interviennent
les bornes inférieures des intégrales. Il est inutile de les expliciter car elles ne seront pas
utilisées. Les coefficients des deux premiers termes suffisent pour obtenir les
approximations de a1 et a2 par régression linéaire.

1 a1  a2 C2  C2 2  4C1 C2  C2 2  4C1
C1  ; C2   a1  ; a2 
a1a2 a1a2 2C1 2C1

Avec les valeurs de a1 et a2 obtenues, une régression linéaire basée sur l’équation :
y  p1  x  ( x  a1 ) H ( x  a1 )   p2  ( x  a1 ) H ( x  a1 )  ( x  a2 ) H ( x  a2 )  
 p3 ( x  a2 ) H ( x  a2 )  q1
donne les approximations de p1 , p2 , p3 et q1 , puis q2 et q3 :

q2  ( p1  p2 )a1  q1 ; q3  ( p2  p3 )a2  q2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 29


Données (n points) : ( x1 , y1 ) , ( x2 , y2 ) , ... , ( xk , yk ) , ... , ( xn , yn )
ALGORITHME de CALCUL :
Classer par ordre croissant des xk : x1  x2  ...  xk ...  xn 1  xn
Calcul numérique des intégrales :
Sy1  0 ; Syk  Syk 1  12 ( yk 1  yk )( xk  xk 1 ) 2k n
Sxy1  0 ; Sxyk  Sxyk 1  ( xk 1 yk 1  xk yk )( xk  xk 1 )
1
2
2k n

 F0,k  yk ; F1,k  6Sxyk  2 xk Syk  ( xk ) yk
2

Calcul de a1 et a2 : 1 k  n 
 F2,k  xk yk  2Syk ; F3,k  xk ; F4,k  1

1
 n n n n
  n 
  ( F1,k )  F1,k F2,k  F1,k F3,k    F0,k F1,k 
2
F1,k F4,k 
 k 1 k 1 k 1 k 1
  k 1 
 C1   n n n n
  n 
    F1,k F2,k  ( F2,k )2 F 2, k F3,k  F2,k F4,k    F0,k F2,k 
 C2    k 1 k 1 k 1 k 1   k 1 
 C3   n n n n   n 
    F1,k F3,k F 2, k F3, k  (F 3, k )2  F3,k F4,k    F0,k F3,k 
 C4   k 1 k 1 k 1 k 1   k 1 
 n n n n   n 
  F1,k F4,k F 2, k F4,k F 3, k F4,k  ( F4,k ) 2    F0,k F4,k 
 k 1 k 1 k 1 k 1   k 1 
C2  C2 2  4C1 C2  C2 2  4C1
a1  ; a2 
2C1 2C1

Calcul de p1 , p2 , p3 , q1 , q2 , q3 :

Régression globale :
G0,k  yk ; G1,k  xk  ( xk  a1 ) H ( xk  a1 )

Calcul de p1 , p2 , p3 , q1 : 1  k  n G2,k  ( xk  a1 ) H ( xk  a1 )  ( xk  a2 ) H ( xk  a2 )
G  ( x  a ) H ( x  a ) ; G  1
 3,k k 2 k 2 4, k

1
 n n n n
  n 
  (G1,k )  G1,k G2,k  G1,k G3,k    G0,k G1,k 
2
G1,k G4,k 
 k 1 k 1 k 1 k 1
  k 1 
 p1   n n n n
  n 
    G1,k G2,k  (G2,k )2 G 2, k G3, k  G2, k G4, k    G0,k G2,k 
 p2    k 1 k 1 k 1 k 1   k 1 
 p3   n n n n   n 
    G1,k G3,k G 2, k G3, k  (G 3, k )2  G3,k G4,k    G0,k G3,k 
 q1   k 1 k 1 k 1 k 1   k 1 
 n n n n   n 
  G1,k G4,k G 2, k G4,k G 3, k G4,k  (G4, k ) 2    G0, k G4, k 
 k 1 k 1 k 1 k 1   k 1 

Calcul de q2 et q3 : q2  ( p1  p2 )a1  q1 ; q3  ( p2  p3 )a2  q2

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 30


Régressions séparées pour chaque segment :
w1,k  1  H ( xk  a1 ) ; w2,k  H ( xk  a1 )  H ( xk  a2 ) ; w3,k  H ( xk  a2 )
1 1
 n n
  n   n n
  n 
 
 p1   k 1
( xk ) 2 w1,k  xk w1,k    xk yk w1,k   
 p2   k 1
( xk ) 2 w2,k  xk w2,k    xk yk w2,k 
 
k 1
  k 1 ;  
k 1
  k 1 
 q1     n   q2     n 
n n n n

  xk w1,k  w1,k    yk w1,k    xk w2, k  w2,k    yk w2,k 


 k 1 k 1   k 1   k 1 k 1   k 1 
1
 n n
  n 
 ( xk )2 w3,k
 p3   k 1
 x k 3, k 
w   xk yk w3,k 
q2  q1 q3  q2
 
k 1
  k 1  ; a1*  ; a2* 
 q3     n  p1  p2 p2  p3
n n

  xk w3,k  w3,k    yk w3,k 


 k 1 k 1   k 1 

9 juin 2018 – Version n°4 – Mise à jour 24 juillet 2018 31