Académique Documents
Professionnel Documents
Culture Documents
Régression et corrélation
1.1:INTRODUCTION
1;2:Régression linéaire:
Exemple
Les ventes Y d’un produit P ont eté observées durant 6 semestres consécutifs
et l’on cherche à expliquer par le nombre de
visites X des représentants chez les clients
commerçants:
1
Y (enmilliers) xi yi y xi x residus ei
53 26 16 4 7:09
68 27 1 3 5:68
79 31 10 1 7:77
69 30 0 0 0
71 33 2 3 4:68
74 33 5 3 1:68
y = 69etV (Y ) = 64:33 x = 30etV (X) = 7:33 e = 0 et V (e) = 27:95
y1 y
x1 x
y2 y
x x
Y = :::::: X= 2
::::::
::::::
xn x
yn y
P 1
P
(xi x)2 = X t X et donc P
(xi x)2 = (X t X) 1
et (xi x)(yi y) =
(X t Y )
2
La précision de l’ajustement peut être appréciée en calculant le coe¢ cient
de détermination R2
Exemple:
Peu satisfait du modèle précédent expliquant les ventes par le nombre de
visites des représentants , on décide d’ajouter deux
varibles explicatives ;le budget semestriel de publicité(en milliers de dinars)
et un indice économique de consommation .Les
trois variables explicatives sont x1 ; x2 et x3 :
yi x1i x2i x3i yi y x1i x1 x2i x2i x3i x3 residus
53 26 11 100 16 4 3 2 1:583
68 27 13 101 1 3 1 1 1:833
79 31 16 103 10 1 2 1 1:583
69 30 15 101 0 0 1 1 1:083
71 33 16 103 2 3 1 1 0:831
74 33 14 104 5 3 0 2 1:083
y = 69 x1 = 30 x2 = 14 x3 = 102 e=0
On a:
V (Y ) = 64:33 et V (e) = 1:903
b = y (a1 x1 + a2 x2 + a3 x3 )
R2 = 1 VV (y)
(e) 1:903
= 1 64:333 = 0:970
3
P P
nj: xj n y
x= P jP et y= P jP:k k
j k njk j k njk
P P
2 nj: x2j
j 2 n:K x2k
X = n:: et Y = k
n::
P P P P
avec: nj: = k njk et n:k = j njk et n:: = j k njk
1.4:Exemple
Solution:
X=Y 160 170 180 nj:
60 2 2 0 4
70 5 8 4 17
80 4 9 6 19
90 1 4 5 10
n:k 12 23 15 n:: = 50
x = 170:6 y = 77 X = 53:64 Y = 8:775
TD N 1 :
4
Exo1:
On considère une distribution statistique (X; Y )
xi yi
1 4
2 2
2 0
3 2
Solution:
Exo 2:
Si pour 80 observations ,on a:
x = 54:3 , y = 50:5 , X = 1:42 , Y = 1:22
et l’équation de régression :
y = 10:9 + 0:77x ;
que valent les paramètres XY et Cov(X; Y ) ?
Solution:
On a:
0:77 = Cov(X; Y )=V ar(X) = Cov(X; Y )= 2X = Cov(X; Y )=(1:42)2
donc:
Cov(X; Y ) = 0:77 (1:42)2 = 1:55
et:
XY = Cov(X; Y )= X Y = 1:55=(1:42 1:22) = 0:89
5
Exo 3:
On a calculé la moyenne et la variance d’une série de 10 obnservations et on
a obtenu les résultats suivants:
x = 5:90 et s2 = 4:83
On a constaté ultérieurement qu’une des observations a été transcrite de
façon erronée: la valeur considérée
au cours des calculs était 8.5 , alors que la valeur exacte était en réalité 6.5.
Déterminer dans ces conditions la moyenne et la variance exactes.
Solution:
Pour la moyenne ,on a:
On a:
(x1 + x2 + ::::: + x9 + 8:5)=10 = 5:90
ainsi on a:
x1 + x2 + :::::: + x9 = (10 5:90) 8:5 = 50:5
donc la vraie valeur de la moyenne est :
x = (50:5 + 6:5)=10 = 57=10 = 5:7