Académique Documents
Professionnel Documents
Culture Documents
a b
c π 11 π 12
d π 21 π 22
En considérant la première ligne, l’odds (la côte) que la colonne 1 soit prise
plutôt que la colonne 2: π 1 = π 11 /π 12 .
Odds ratio (rapport de cote):
π1 π 11 π 22
θ= =
π2 π 12 π 21
θ = 1: indique que les variables sont indépendantes.
1
θ > 1: Les sujets de la première ligne ont plus de chance de prendre la
première colonne que les sujets de la deuxième ligne.
θ < 1 sinon
1 La règression logistique
La régression logistique est une technique prédictive qui appartient à la famille
des méthodes d’apprentissage supervisé. Elle vise à construire un modèle perme-
ttant de prédire ou expliquer les valeurs prises par une variable cible qualitative
Y à partir d’un ensemble de variables explicatives Xj , j = 1, ..., p. Elle cherche
à trouver une modélisation du rapport des probabilités a postériori.
Il s’agit donc de modéliser une fonction de π i , g(π i ) tel que g est une fonction
monotone de[0, 1] dans R, appelé logit, définie par:
π
g(π) = logit(π)= ln
1−π
Il s’agit de modéliser une variable qualitative binaire Y à 2 modalités : 1 ou 0.
On considère, n observations de p variables explicatives X 1 , ..., X p
π
p [y/X] = ln = a0 + a1 X 1 + ... + ap X p = Xβ.
1−π
tel que β est le vecteur des paramètres (a0 , a1 , ..., ap ) qui sont inconnus. Ce
dernier est estimé par maximisation de la fontion log-vraisemblance. celle-ci est
obtenue par des méthodes numériques itératives ( NewtonRaphson).
Il est alors facile d’en déduire les estimations ou prévisions des probabilités
πi :
Estimation des paramètres: Y est binaire , elle suit une loi de Bernouilli
2
et le log de la vraisemblance:
X
LL = y ln π + (1 − y) ln(1 − π)
Pour obtenir les paramètres, on dtermine βb qui maximise LL. β b est appelé
estimateur du maximum de vraisemblance. Il est sans biais de variance minimale
(BLUE). L’intervalle de confiance d’un paramètre b
a est donnée par:
a ± uα sba ]
IC = exp[b
yb(x) = 1 si π
b(x) > τ
= 0 si π
b(x) > τ
3
Figure 1: Courbe ROC.