Académique Documents
Professionnel Documents
Culture Documents
Questions de cours
yi = β0 + β1 xi + εi , i = 1, . . . , n
On suppose que les εi sont iid de loi N (0, σ 2 ) où σ 2 est inconnue.
Montrer que β̂0 l’estimateur des moindres carrés de β0 est de variance minimale.
2. Montrer qu’une moyenne mobile M centrée conserve les suites constantes ssi la
somme de ses coefficients valent 1. Si M est symétrique et conserve les constantes,
montrer que M conserve les polynômes de degrés 1 (i.e Xt = at + b).
Exercice 1
On considère les données observées sur un échantillon de 474 employés tirés au sort dans
une entreprise. Les variables étudiées ici sont les suivantes :
• salary : salaire brut actuel en DH par an
• salbegin : salaire de départ en DH par an
• minority : appartenance à une minorité (0 (Non), 1 (Oui))
• jobtime : nombre de mois depuis l’entrée dans l’entreprise
• prevexp : nombre de mois de travail avant l’entrée dans l’entreprise
• educ : nombre d’années d’étude
On souhaite expliquer la variable ”salary” en fonction de toutes les autres variables à
l’aide de la régression linéaire multiple. En utilisant le logiciel R, on a obtenu la sortie
suivante :
Call:
lm(formula = salary ~ ., data = salaire1)
Residuals:
Min 1Q Median 3Q Max
-29607 -3816 -1212 2528 45935
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.601e+04 3.256e+03 -4.917 1.22e-06 ***
salbegin 1.759e+00 5.921e-02 29.714 < 2e-16 ***
jobtime 1.634e+02 3.427e+01 4.767 2.50e-06 ***
1
revexp -1.668e+01 3.566e+00 -4.679 3.79e-06 ***
educ 6.718e+02 1.655e+02 4.059 5.78e-05 ***
minority -1.007e+03 8.498e+02 -1.185 0.237
---
Signif. codes:
0 ?***? 0.001 ?**? 0.01 ?*? 0.05 ?.? 0.1 ? ? 1
Call:
lm(formula = salary ~ . - minority, data = salaire1)
Residuals:
Min 1Q Median 3Q Max
-29600 -4119 -1246 2642 46079
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.615e+04 3.255e+03 -4.961 9.84e-07 ***
salbegin 1.768e+00 5.873e-02 30.111 < 2e-16 ***
jobtime 1.615e+02 3.425e+01 4.715 3.19e-06 ***
revexp -1.730e+01 3.528e+00 -4.904 1.30e-06 ***
educ 6.699e+02 1.656e+02 4.045 6.11e-05 ***
---
Signif. codes:
0 ?***? 0.001 ?**? 0.01 ?*? 0.05 ?.? 0.1 ? ? 1
2
Exercice 2
Un magasin commercialise un article et dispose d’un ensemble de données comportant les
ventes de cet article pour chaque année depuis 5 ans. Le magasin est intéressé par une
prévision des ventes futures. Les tableaux ci-dessous contiennent les données de ventes (à
gauche) et les ventes lissées par une moyenne mobile centrées d’ordre 3 (à droite).
2009 2010 2011 2012 2013 2009 2010 2011 2012 2013
I 6 9 6 12 15 I *** 10 11 14 ***
II 6 12 12 15 18 II *** 12 11 16 ***
III 9 15 15 21 24 III *** 11 13 17 ***
Coefficients:
(Intercept) seq(1:15)
4.629 1.046
Calculer une prévision des ventes à un horizon de deux périodes.