Académique Documents
Professionnel Documents
Culture Documents
Anca Badea
Institut Mines-Télécom
Mines Saint-Étienne
1 Formalisation
2 Estimation / estimateurs
3 Exemple
ou bien E(Y) = β0 + β1 x
Y = β0 + β1 X + ε Y = β0 + β1 x + ε
σ paramètre à estimer
en plus de β0 , β1
• questions :
• comment se propage cette hypothèse ?
1 Formalisation
2 Estimation / estimateurs
3 Exemple
de plus
E(Yi ) = β0 + β1 xi
V(Yi ) = V(εi ) = σ 2
Yi ∼ N (β0 + β1 xi , σ 2 )
∑
n ∑
n ∑
n
E(βb1 ) = ci E(Yi ) = β0 ci + β1 ci xi = β1
i=1 i=1 i=1
∑
n ∑
n
en utilisant ci = 0 et ci xi = 1
i=1 i=1
E(βb0 ) = β0
Théorème (Gauss-Markov)
Pour le modèle de régression Y = β0 + β1 x + ε et sous les hypothèses
précédentes pour ε, les estimateurs MC βb0 , βb1 sont
• des combinaisons linéaires des Yi ,
• sans biais,
• de variance minimale (comparés à tous les autres estimateurs sans biais).
[ ]
Ic1−α (βi ) = βbi − tα/2 × sβbi , βbi + tα/2 × sβbi
[ ]
(n − 2)b
2 σ ∗2 (n − 2)bσ ∗2
Ic1−α (σ ) = ,
χ22 χ21
1 Formalisation
2 Estimation / estimateurs
3 Exemple
b∗
σ ddl R2 R2adj
0, 12 13 0, 9808 0, 9794