Chapitre 1 : La régression simple :

C’est un modèle qui cherche à établir un lien de causalité entre 2 variables. On

distingue deux modèles :

 Modèle économique
Yi = b + a Xi
Ou :
Yi = ß0 + ß1 Xi

 Modèle économétrique
Yi = ß0 + ß1 Xi + Ƹi
Avec :
Ƹi = erreur
Xi : Variables explicatives = Variables indépendantes = Variables
exogènes
Yi : Variable à expliquer = Variable dépendante = Variable endogène

La droite de régression

Ŷ = B̂0 + B̂1 Xi

En utilisant la méthode des moindres carrés ordinaires MCO, on peut estimer

les paramètres ß0 et ß1. On obtient :

̅
∑(𝑥𝑖−X)(yi−y̅)
B̂1 = 2
̅̅̅)
∑(𝑥𝑖−X

Ou
∑𝑥𝑖𝑦𝑖 −𝑛Xy ̅̅
B̂1 = 2 ̅2
∑𝑥𝑖 −𝑛 X
SCT = SCR + SCE

∑(𝑌𝑖 − Y̅ )2 = ∑(𝑌𝑖 − 𝑌𝑖
̂ )2 + ∑(𝑌𝑖
̂ − Y̅ )2

SCT (somme des carrés totaux) = ∑(𝑌𝑖 − Y̅ )2 : elle indique la variabilité totale
de Y, c.-à-d. l’information disponible dans les données

SCR (somme des carrés résiduels) = ∑(𝑌𝑖 − 𝑌𝑖 ̂ )2 : elle indique la variabilité non
expliquée par le modèle, c.-à-d. celle entre les valeurs observées et prédites

SCE (somme des carrés expliqués) = ∑(𝑌𝑖 ̂ − Y̅ )2 : elle indique la variabilité

expliquée par le modèle, c.-à-d. la variation de Y expliquée par X

Deux situations extrêmes peuvent survenir :

 1ére situation :
̂ = 𝒀𝒊
SCR = 0 implique SCT = SCE et par conséquent 𝒀𝒊

Les variations de Y sont complétement expliquées par celles de X. Le modèle

est parfait et la droite de régression passe par tous les points de nuage

 2éme situation :
̂ = 𝐘̅
SCE = 0 implique SCT = SCR et par conséquent 𝒀𝒊

X n’apporte aucune information sur Y, donc la meilleure prédiction de Y est

sa propre moyenne.

Exercice 2 :

Considérons le tableau suivant représentant le nombre de commandes selon le

nombre de visites

Nombre de visites Nombre de commandes

2 23
3 27
5 28
9 39
10 39
12 45
15 51
1) Calculer le coefficient de corrélation

2) Montrer que :
̅ )(yi−y
∑(𝑥𝑖−X ̅) ̅y
∑𝑥𝑖𝑦𝑖 −𝑛X ̅
𝐵̂1 = 2 = 2 ̅2
∑(𝑥𝑖−X̅ ) ∑ 𝑥𝑖 – n X

3) Déterminer la droite de régression

4) déterminer le nombre de commandes si le nombre de visites est de 20

Solution

1)

xi yi 𝑋𝑖 − X̅ 𝑌𝑖 − ̅
Y (𝑋𝑖 − ̅
X)(Yi − ̅
Y) (𝑋𝑖 − X̅ )2 (𝑌𝑖 − ̅
Y) 2
2 23 -6 -13 78 36 169
3 27 -5 -9 45 25 81
5 28 -3 -8 24 9 64
9 39 1 3 3 1 9
10 39 2 3 6 4 9
12 45 4 9 36 16 81
15 51 7 15 105 49 225
56 252 297 140 638

∑𝑥𝑖 56
X̅ = = =8
𝑛 7

̅ ∑𝑦𝑖 252
Y= = = 36
𝑛 7

∑(𝑥𝑖−X̅ )(yi−y̅ )
r (x ; y) =
̅̅̅) 2 √∑(𝑦𝑖−y
√∑(𝑥𝑖−X ̅)
2

297
r (x ; y) =
√140√638

r (x ; y) = 0,9937

Soit une corrélation positive de 99,37 % entre le nombre des visites et le

nombre de commandes
2)

∑𝑥𝑖 = ∑𝑥𝑖

∑𝑎 = na

∑𝑎𝑋𝑖 = 𝑎∑𝑥𝑖

 Numérateur
∑(𝑥𝑖 − x̅)(yi − y̅) = ∑[(𝑥𝑖 𝑦𝑖 ) − (xi y
̅ ) − (x̅ 𝑦𝑖) + ( 𝑥̅ ̅)]
y

∑(𝑥𝑖 − x̅)(yi − y̅) = ∑(𝑥𝑖 𝑦𝑖 ) − ∑(xi y

̅ ) − ∑(x̅ 𝑦𝑖) + ∑( 𝑥̅ ̅)]
y
∑(𝑥𝑖 − x̅)(yi − y̅) = ∑(𝑥𝑖 𝑦𝑖 ) − y̅∑𝑥𝑖 − ̅∑𝑦𝑖
x + 𝑛 𝑥̅ ̅y
∑𝑥𝑖 ∑𝑦𝑖
∑(𝑥𝑖 − x̅)(yi − y̅) = ∑(𝑥𝑖 𝑦𝑖 ) − y̅ n − ̅x 𝑛 + 𝑛 𝑥̅ ̅y
𝑛 𝑛

∑(𝑥𝑖 − x̅)(yi − y̅) = ∑(𝑥𝑖 𝑦𝑖 ) − 𝑛 𝑥̅ ̅y − 𝑛 𝑥̅ ̅y + 𝑛 𝑥̅ ̅y

∑(𝑥𝑖 − x̅)(yi − y̅) = ∑(𝑥𝑖 𝑦𝑖 ) − 𝑛 𝑥̅ ̅y

 Dénominateur
2
∑(𝑥𝑖 − X̅ ) = ∑(𝑥𝑖 2 - 2 𝑥𝑖 X̅ + X
̅2)
2
∑(𝑥𝑖 − X̅ ) = ∑ 𝑥𝑖 2 - ∑ 2 𝑥𝑖 X̅ + ∑ ̅X 2
2
∑(𝑥𝑖 − X̅ ) = ∑ 𝑥𝑖 2 – 2 X̅ ∑ 𝑥𝑖 + n ̅X 2
2 ∑𝑥𝑖
∑(𝑥𝑖 − X̅ ) = ∑ 𝑥𝑖 2 – 2 X̅ 𝑛
𝑛 + n ̅X 2
2
∑(𝑥𝑖 − X̅ ) = ∑ 𝑥𝑖 2 – 2 n ̅X 2 + n ̅X 2
2
∑(𝑥𝑖 − X̅ ) = ∑ 𝑥𝑖 2 – n ̅X 2

Donc
̅ )(yi−y
∑(𝑥𝑖−X ̅) ̅y
∑𝑥𝑖𝑦𝑖 −𝑛X ̅
𝐵̂1 = 2 = 2 ̅2
∑(𝑥𝑖−X̅ ) ∑ 𝑥𝑖 – n X
3)
̅
∑(𝑥𝑖−X)(yi−y̅) 297
B̂1 = 2 = = 2,1214
̅̅̅) 140
∑(𝑥𝑖−X

B̂0 = ̅
Y - B̂1 X̅ = 36 – (2,1214 × 8) = 19,0288

Ŷ = B̂0 + B̂1 Xi

Ŷ = 19,0288 + 2,1214 Xi

4)

Ŷ = 19,0288 + 2,1214 Xi

Ŷ = 19,0288 + (2,1214 × 20)

Ŷ = 61,4568

Soit 61 commandes

Exercice 3 :

Une entreprise nous fournit sa quantité produite au titre de 1er semestre 2017

Mois Quantité
1 50
2 60
3 70
4 30
5 80
6 100

T.A.F :

1) y’a-t-il un rapport entre la quantité produite et le nombre des mois

2) déterminer l’équation de la droite de régression linéaire

3) tracer les nuages de points

Solution :

1)

Il faut calculer le coefficient de corrélation

xi yi 𝑥𝑖 − X̅ 𝑦𝑖 − y̅ (𝑥𝑖 − ̅
X)(yi − y̅) (𝑥𝑖 − X̅ )2 (𝑦𝑖 − y̅)2
1 50 -2,5 -15 37,5 6,25 225
2 60 -1,5 -5 7,5 2,25 25
3 70 -0,5 5 -2,5 0,25 25
4 30 0,5 -35 -17,5 0,25 1225
5 80 1,5 15 22,5 2,25 225
6 100 2,5 35 87,5 6,25 1225
21 390 135 17,5 2950

∑𝑥𝑖 21
X̅ = = = 3,5
𝑛 6

̅ = ∑𝑦𝑖 = 390 = 65
Y
𝑛 6

∑(𝑥𝑖−X̅ )(yi−y̅ )
r (x ; y) =
̅̅̅) 2 √∑(𝑦𝑖−y
√∑(𝑥𝑖−X ̅)
2

135
r (x ; y) =
√17,5√2950

r (x ; y) = 0,5941

Soit une corrélation positive de 59,41 % entre le nombre des visites et le

nombre de commandes

2)
̅
∑(𝑥𝑖−X)(yi−y̅) 135
B̂1 = 2 = = 7,7142
̅̅̅) 17,5
∑(𝑥𝑖−X

B̂0 = Y
̅ - B̂1 X̅ = 65 – (7,7142 × 3,5) = 38,0003

Ŷ = B̂0 + B̂1 Xi

Ŷ = 38,0003 + 7,7142 Xi
3)

Y
120

100

80

60
Y
40

20

0
0 1 2 3 4 5 6 7