Page 1|4

Régression linéaire 
La régression linéaire est un modèle qui permet de réaliser des prédictions.
À partir d'un algorithme d'apprentissage supervisé, une relation linéaire établit
la relation entre une variable expliquée et une variable explicative.

 le principe d'une régression linéaire 

La régression linéaire consiste à tracer une droite au plus proche des points quand ces derniers forment un nuage
avec une forme allongé et suggèrent une relation statistique explicative (voir graphique ci-dessous).  La variable
peut se traduire par un pourcentage. Exemple : le nombre de fumeurs en fonction du nombre d'années écoulés.

Nuage de points associé à une courbe représentant une régression linéaire.

calculer une régression linéaire 

Une régression linéaire simple consiste à identifier l'équation d'une droite expliquant la répartition d'un nuage de
points. On peut l'écrire : y = ax + b. L'objectif est de trouver les valeurs de a (la pente) et de b (l'ordonnée à
l'origine).
Pour être appliqué, une régression linéaire implique plusieurs prérequis : des variables continues (dates, heures,
poids, prix, vitesse...). Il doit exister par ailleurs une relation linéaire entre les deux variables étudiées .

Programme Matlab :

Page 2|4
RESULTATS :

Page 3|4
Figure 1 :

Page 4|4