Académique Documents
Professionnel Documents
Culture Documents
Aurel ATTERE
23/06/2020
EXERCICE 1
4 14
Puissance
Cylindree
1000
Longueur
3.5
Largeur
1.5
5 8
Surface
Poids
800
Vitesse
140
DepArret
30
4 9
Conso
1
Puissance
Longueur
Cylindree
DepArret
Largeur
Surface
Vitesse
Conso
Poids
1
Puissance 1 0.59 0.51 0.41 0.51 0.52 0.72 −0.57 0.8
0.8
Cylindree 1 0.76 0.64 0.76 0.89 0.84 −0.64 0.54
0.6
Longueur 1 0.74 0.96 0.91 0.79 −0.54 0.66 0.4
−0.4
Vitesse 1 −0.83 0.71
−0.6
DepArret 1 −0.62
−0.8
Conso 1
−1
2
Puissance Cylindree Longueur Largeur Surface Poids Vitesse DepArret Conso
Puissance
0.20 Corr: Corr: Corr: Corr: Corr: Corr: Corr: Corr:
0.15
0.10
0.05 0.591***
0.507***0.410**0.509***
0.524***
0.724***
−0.572***
0.800***
0.00
Cylindree
3000 Corr: Corr: Corr: Corr: Corr: Corr: Corr:
2500
2000
1500 0.757***
0.642***0.761***
0.885***
0.839***
−0.638***
0.541***
1000
##
## Call:
## lm(formula = Surface ~ Poids, data = voit2005, na.action = na.omit)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.79148 -0.24148 -0.02997 0.23777 1.06137
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2.439074 0.267054 9.133 8e-13 ***
## Poids 0.004277 0.000231 18.517 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.4087 on 58 degrees of freedom
## (2 observations deleted due to missingness)
## Multiple R-squared: 0.8553, Adjusted R-squared: 0.8528
## F-statistic: 342.9 on 1 and 58 DF, p-value: < 2.2e-16
3
Qualite de l’ajustement
Intervalle de confiance pour les parametres (Ellipse de confiance du couple (a,b))
IC = confint(reg)
IC
## 2.5 % 97.5 %
## (Intercept) 1.904508166 2.973640509
## Poids 0.003814461 0.004739107
confidenceEllipse(reg)
points(coef(reg)[1], coef(reg)[2], pch = 3)
lines(IC[1,c(1,1,2,2,1)],IC[2,c(1,2,2,1,1)],lty=2)
0.0046
Poids coefficient
0.0042
0.0038
(Intercept) coefficient
Representation graphique
plot(Surface ~ Longueur, data = voit2005)
Poids = seq(min(voit2005$Poids, na.rm = T), max(voit2005$Poids, na.rm = T), length = 100 )
df = data.frame(Poids)
ICc0 = predict(reg,new = df,interval="confidence")
matlines(df$Poids,cbind(ICc0),lty=c(1,2,2),col=c(2,4,4,4))
4
9
8
Surface
7
6
5
Longueur
EXERCICE 2
Prevision par echantillon d’apprentissage et test
Separation
5
Puissance Cylindree Longueur Largeur Surface Poids Vitesse DepArret Conso
Puissance
0.20 Corr: Corr: Corr: Corr: Corr: Corr: Corr: Corr:
0.15
0.10
0.05 0.648***
0.550***
0.543***
0.568***
0.574***
0.764***
−0.612***
0.808***
0.00
Cylindree
3000 Corr: Corr: Corr: Corr: Corr: Corr: Corr:
2500
2000
1500 0.776***
0.779***
0.793***
0.901***
0.894***
−0.698***
0.574***
1000