Académique Documents
Professionnel Documents
Culture Documents
Section 2, groupe 11
Corrigé TD statistique appliquée
Régression multiple
Exercice 1 :
On a : Yt = a + bX1t + cX2t + Ɛt
1- Tableau ANOVA :
RSS=TSS-ESS=1680,8-1504,4=176,4
2 RSS 176 , 4
3- Coefficient de détermination : R =1− =1− =0,104
TSS 1680 , 8
RSS / N−3 19 , 6
Coefficient de détermination ajusté : R ²=1− TSS/ N−1 =1− 152 , 8 =0 , 87
87% de la variation de Y est expliquée par le modèle par rapport à la variation
totale.
Exercice 2 :
( )(
∑ X1 ∑ X2
)
N 10 0 0
X X= ∑ X 1 ∑ X 1² ∑ X 2 X 1 = 0
T
20 0
∑X2 ∑ X 1 X 2 ∑ X 2² 0 0 40
20 0
|
0 0 0 20
| | | | |
Dét =10× 0 40 −0 0 40 +0 × 0 0 =8000
1+1
-1er terme : (−1) |200 400 |
×
( )
800 0 0
(−1) ×|
0 40|
Mcof = 0 400 0 0 0
1+2
-2eme terme :
0 0 200
(−1) ×|
0 0|
0 20
1+3
Madj= Mcof (car la matrice est symétrique) -3eme terme :
1
Matrice inverse=Madj×
dét
∑Y
()
10
¿ Et :
t
x y= 40 ∑ YX 1
40 ∑ YX 2
Â=¿
( )
800 ×10
+ ( 0 × 40 ) + ( 0 × 40 ) =1
8000
400 × 40
Â= ( 0× 10 ) + + ( 0× 40 )=2
8000
( 0 ×10 ) + ( 0 × 40 ) + 200 ×40 =1
8000
( )(
800
×5 0 0
8000
)
0,5 0 0
400
M var .cov( Â )= 0 ×5 0 = 0 0 , 25 0
8000
0 0 0,125
200
0 0 ×5
8000
4- L’intervalle de confiance :
On pose : H :â ≠ 0
1
{ H 0 : â=0
P(â0−T α × σ â )≤ a 0 ≤ P(â 0 +T α × σ â )
0 0
σ â =√ V ( â1 )= √ 0 , 25=0 ,5
1
P(â2−T α × σ â )≤ a2 ≤ P (â2 +T α × σ â )
2 2
σ â =√ V ( â2 )= √ 0,125=0 , 35
2
5- Test de Fisher : Selon ce test, le modèle est valable s’il y a au moins une variable
qui explique Y.
Exercice 3: 2 2
Y X1 X2 X3 (Y t −Y ) Ŷ (Y t −Ŷ )
3 -3 5 -1 1 2,49 0,2601
1 -2 0 1 1 1,77 0,5929
1 -1 -3 1 1 1,97 0,9409
1 0 -4 0 1 1,2 0,04
2 1 -3 -1 0 2,17 0,0289
3 2 0 -1 1 2,34 0,4356
3 3 5 1 1 3,51 0,2601
( )(
∑ X1 ∑ X2
)
N 7 0 0
X X= ∑ X 1 ∑ X 1² ∑ X 2 X 1 = 0
T
28 0
∑X2 ∑ X 1 X 2 ∑ X 2² 0 0 84
28 0
| | | | | |
0 0 0 28
Dét =7 × 0 84 −0 0 84 +0 × 0 0 =16464
( )
2352 0 0
Mcof = 0 588 0
0 0 196
RAKINI Salma
Section 2, groupe 11
1
Matrice inverse=Madj× dét
∑Y
()
14
¿ Et :
t
x y= 5 ∑ YX 1
17 ∑ YX 2
Â=¿
( )
2352 ×14
+ ( 0 × 5 ) + ( 0 ×17 )=2
16464
588 ×5
Â= ( 0× 14 ) + + ( 0 ×17 )=0 , 17
16464
( 0× 14 ) + ( 0 × 5 ) + 196 × 17 =0 , 20
16464
Donc le modèle estimé est comme suit :Ŷ =2+ 0 ,17 X 1+ 0 ,2 X ₂
Régressio
3,441 2 1,72
n
ESS=TSS-RSS=6−¿2,558=3,441
( )( )
2352 41
× 0,041 0 0 0 0
16464 7000
588 41
M var .cov( Â )= 0 × 0,041 0 = 0 0
16464 28000
196 41
0 0 ×0,041 0 0
16464 84000
{
On pose : H :ĉ ≠ 0
1
H 0 : ĉ=0
√
ĉ 41
Calculons T e = σ et σ ĉ =√ V ( ĉ )= =0,022
ĉ 84000
ĉ 0 ,2
Donc T e= = =9 , 09 et on a d’après la table : T t=2,571
σ ĉ 0,022
7- P(b̂ −T α × σ b̂ )≤ b ≤ P(b̂ + T α ×σ b̂ )
D’après la matrice de variance covariances :
On a : σ â =√ V ( b^ ) =
0
√
41
7000
=0,076 et d’après la table student on a :T α =2,571
8- En utilisant les trois variables X1, X2 et X3, le logiciel SPSS a donné les résultats
suivants :
2 RSS /N −4 0,083
a. R =1− TSS/ N −1 ¿ 1− 1 , 01 =0 , 91
RAKINI Salma
Section 2, groupe 11
91 % de la variation de Y est expliquée par le modèle par rapport à la variation
totale.
b. Dans le cas de la régression multiple, le coefficient de détermination n’est
pas significatif car il est impacté par le nombre de variables explicatives.
c.
ANOVA
TOTAL 6,083 6
Coefficients
{
d. On pose : H :â ≠ 0
1
H 0 : â=0
ESS/3 1 , 94
F e= = =23 , 37 et F t=6 ,59
RSS /4 0,083
RAKINI Salma
Section 2, groupe 11
On constate que F e > F t , on rejette H 0 et on accepte H 1, X explique donc
significativement Y. (le modèle est valable s’il y a au moins une variable qui
explique Y). Le modèle est donc valable.
e. On a d’après le tableau ANOVA :
Pour X 1: T e =¿4,009 et T t=2,776
T e >T t donc X 1explique significativement Y.
Exercice 4:
1-