Palagos - R Gression

Méthodes de régression
B. P a la gos
UMR ITAP
Ce ma gre f
be rna rd.pa la gos @ ce ma gre f.fr
B. Palagos Année 2008 -2009

M2 Sciences des Procédés - Sciences des Aliments
LA REGRESSION LINEAIRE
Utilisée pour expliquer, décrire ou prédire une variable quantitative y en

fonction d’une ou plusieurs variables x1 ,….., xp.
Par exemple
y peut-être le prix du pain en fonction de la teneur en eau x
y xi
réponse prédicteur(s)
variable à expliquer variable(s) explicative(s)
sortie entrée(s)
variable dépendante variable(s) indépendante(s)
variable exogène variable(s) endogène (s)
p = 1 régression linéaire simple

p > 1 régression linéaire multiple (MLR)
Année 2008 -2009

M2 Sciences des Procédés - Sciences des Aliments 2
MESURE DE LA RELATION ENTRE 2 VARIABLES CONTINUES
PRI EAU
63.00 3635.00
PRIX du pain en fonction de la teneur en EAU 77.00 3190.00
86.00 3530.00
89.00 3350.00
91.00 3070.00
Corrélation : -0.76 92.00 3130.00

140
92.00 3635.00
95.00 3490.00
100 120
95.00 3460.00
106.00 3380.00
PRI
74.00 3500.00
76.00 4030.00
85.00 3365.00
80
57.00 3515.00
95.00 3960.00
60
132.00 2925.00
152.00 2720.00
2500 3000 3500 4000 153.00 2340.00
EAU
Année 2008 -2009

COEFFICIENT DE CORRELATION
 : Coefficient de corrélation (Pearson) entre deux variables aléatoires X

et Y (populations)
2 échantillons x et y de moyennes x et y
 ( x  x )( y
i i  y)
r ( x, y )  i 1
r estimateur de  n n
 (x  x)  ( y
i 1
i
2
i 1
i  y)2
 r est toujours compris entre -1 et + 1.
 si r proche de + 1 ou - 1 , x et y sont bien corrélées; le nuage de points

est presque aligné le long d'une droite (croissante si r > 0, décroissante si
r < 0).
 r = 0 Pas de lien linéaire entre x et y
Année 2008 -2009

 Si taille échantillon n est faible il faut être prudent sur la
significativité du coefficient calculé. Il existe des tables
statistiques (et logiciels) qui donnent la limite de
significativité de r .
Année 2008 -2009

ddl = n-2
n=3 r > 0.99
n= 7 r > 0.75
Année 2008 -2009

 1  r ( x, y )  1
Y Y Y
X X X
r = -1 r = -.6 r=0
Y Y
X X
r = .6 r=1
Année 2008 -2009

Toujours faire un graphique
r = 0.5 r = - 0.9
r = 0.8
r = 0.0
Année 2008 -2009

FAIRE PASSER UNE DROITE
On modélise la relation linéaire entre y et x par

y = a+b x (équation d’une droite)
140
100 120
PRI
80
60
2500 3000 3500 4000
EAU
Année 2008 -2009

MOINDRES CARRES
n 2
On cherche la droite (a et b ) telle que  y  yˆ 

i 1
i i minimum MCO
yˆ  a  bx
yˆ i  a  bxi
yi yi - ŷi
14
0
ŷi points de coordonnées ( xi , yi )

PRI
ŷi
10
0
80
60
xi
2500 3000 3500 4000
EAU
Année 2008 -2009

RESULTAT DES MOINDRES CARRES
140
120
PRI
100
80
60
2500 3000 3500 4000 MCO

EAU
Équation de la droite 140
PRI = 258 – 0.05 EAU

PRI
100
80
60
2500 3000 3500 4000

Année 2008 -2009
M2 Sciences des Procédés - Sciences des Aliments
EAU 11
ESTIMATIONS – Cas p=1
y    x yi     xi   i
n n 2
Moindre carrés : a et b tels que   i2    yi  (a  bxi )

minimum i 1 i 1
yˆ  a  bx
n
coefficients de régression
  yi  y ( xi  x )
b i 1
n b (pente) et a (ordonnée à l’origine)
 i
( x
i 1
 x ) 2
a  y  bx
Année 2008 -2009

CAS DE LA REGRESSION SIMPLE p=1
yi
7
ŷi yi  y
yi  yˆ i
6
y
y
yˆ i  y
5
n
SST   ( yi  y ) 2
4
i 1
xi
n
2 3 4 5 6 7 8 SSE   ( yi  yˆ i ) 2
i 1
x
n
SST  SSR  SSE SSR   ( yˆ i  y ) 2

i 1
Année 2008 -2009

COEFFICIENT DE DETERMINATION - R²
 R2 = SSR/SST coefficient de détermination ou pourcentage de

variance expliquée par la régression
 Permet de juger de la qualité Propriétés

de la régression 0  R2  1
 Idéal R² = 1
 Mauvaise régression: R² = 0
n
Quand p=1 R² = r²
 i
( ˆ
y  y ) 2
r : coefficient de corrélation linéaire
R 2  i n1
Pour le pain: r=-0.76 donc R²= (-0.76)²
 ( yi  y ) 2
i 1
Année 2008 -2009

Étalonnage d’un appareil de mesure
variété référence infrarouge
Ami 8.6 9.1
Apollo 11.1 12.4 Taux de protéine de 26 variétés de blé
Arminda 11.6 12.5
Artaban
Avital
10.9
10
10.1
10.6 - analyse chimiques très précises, très longues
Baroudeur
Beauchamp
11.6
10.4
11.5
10.8
(mesure de référence) ( x )
CWRS 11.6 11.3
Camp-Remy
Carolus
12.9
9
11.6
8.2
- Spectrométrie proche infra-rouge (SPIR) plus
Castan 13.1 12.9 rapide mais mesure indirecte à mettre en
Centauro 10.3 10.4
Courtot 13.1 13.3 relation avec méthode de référence (y)
Duck 11.6 11.3
Manital 14 13.7
Recital1 11.5 11.1 - régression y= a+bx+E
Recital2 10.5 9.8
Rossini 9.7 9.1
Scipion 11 11.6 Données / droite de régression
Sidéral
Sleipjner
11.6
12
11.5
13.2
y = 0.157+0.981x R²=0.785
14.2
Soissons1 10.6 10.1
Soissons2 10 10.3 13.2
Tango = 11.5 11.5
12.2
Thésée 10.1 9.2
infrarouge
Win 11.8 11.5 11.2
10.2
9.2
8.2
8.6 9.6 10.6 11.6 12.6 13.6 14.6
référence
Année 2008 -2009

Étalonnage d’un appareil de mesure
Calculs avec logiciel R

Response: infrarouge
Df Sum Sq Mean Sq F value Pr(>F)
Reference 1 38.731 38.731 87.954 1.696e-09 ***
Residuals 24 10.569 0.440
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Coefficients: p-value
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.1566 1.1741 0.133 0.895
reference 0.9808 0.1046 9.378 1.70e-09 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.6636 on 24 degrees of freedom
Multiple R-Squared: 0.7856, Adjusted R-squared: 0.7767
F-statistic: 87.95 on 1 and 24 DF, p-value: 1.696e-09
Année 2008 -2009

TEST DE NULLITE D’ UN COEFFICIENT
Les tests supposent hypothèse normalité des erreurs (vérification a posteriori)
Test H 0 :  j  0 Coefficient pas significatif

n
Variance de l’erreur  ( y  yˆ )
i i
2
ˆ  2  i 1
n2
ˆ j
Variance de j 2 ˆ  2 si  t rejet de H 0
ˆ  j  n
ˆ
j
 ( xi  x )2
i 1
T Loi de Student à n-2 degrés de liberté :
valeur t ayant la probabilité  d'être dépassée en
valeur absolue.
P ( - t  T  t ) = 1 - .
Ou : P ( T  - t ) =  /2 = P ( T  t )
Année 2008 -2009

COMMENT VERIFIER LES HYPOTHESES SUR L’ERREUR
On regarde les résidus après régression ei  yi  yˆ i
Pour vérifier l’homoscedasticté

Pour vérifier la normalité
Normal Q-Q Plot
1.0
residuals(caliblm)
0.5
1.0
Sample Quantiles
0.0
0.0
-0.5
-1.0
-1.0
8 9 10 11 12 13
-2 -1 0 1 2
infrarouge
Theoretical Quantiles
Année 2008 -2009

JUGEMENT REGRESSION - R²
5 régressions
a: régression sans pb
b: modèle pas bon- résidus <0 puis

>0 puis <0modèle quadratique
c: a priori une observation atypique
d: points alignés mais s’écartent

différemment (variance erreurs pas
constante)
e: droite n’existe que par la dernière

observation
Année 2008 -2009

REGRESSION LINEAIRE MULTIPLE (MLR)
Explication de la consommation de « fuel »

On veut modéliser la consommation d ’un agent énergétique en fonction de
facteurs explicatifs :
• La température moyenne sur un mois est une explication de la consommation
• L ’épaisseur de l ’isolation en est un autre
Gallons/Month Avrg. Temp (oF) Insulation (Inches)
275.30 40.00 3.00

363.80 27.00 3.00
164.30 40.00 10.00
40.80 73.00 6.00
94.30 64.00 6.00
230.90 34.00 6.00
366.70 9.00 6.00
300.60 8.00 10.00
237.80 23.00 10.00
121.40 63.00 3.00
31.40 65.00 10.00
203.50 41.00 6.00
441.10 21.00 3.00
323.00 38.00 3.00
52.50 58.00 10.00
Année 2008 -2009

Un modèle de régression linéaire
yi    1 xi1   2 xi 2   i
Observation i de la Influence de
consommation Terme constant l ’isolation
mensuelle
Influence de la
température Erreur
aléatoire
Année 2008 -2009

n observations yi p variables xj continues n>p

Modèle fuel : n=15 p=2
Pour chaque observation : yi    1 xi1  .....   p xip   i
Coefficients inconnus terme d’erreur non observé
Année 2008 -2009

Décomposition de la variance et tests
Source de Somme des Ddl (df) Carrés moyens (mean square)

variation (source) carrés (sum of
square)
Régression n p n
SSR   ( yˆ i  y ) 2  ( yˆi  y ) 2
SSR i 1
i 1 CMM  
p p
Erreurs n-p-1 n
(résiduals)
n
SSE   ( yi  yˆ i ) 2
SSE
 ( yi  yˆi ) 2
i 1 CME   i 1
n  p 1 n  p 1
Totale n
n-1 n
SST   ( yi  y ) 2
SST i 1
 ( yi  y ) 2
i 1
  S y2
n 1 n 1
Année 2008 -2009

COEFFICIENT DE DETERMINATION - R²
 R2 coefficient de détermination ou pourcentage de variance

expliquée par la régression
 Permet de juger de la qualité Propriétés

de la régression 0  R2  1
 Idéal R² = 1
 Mauvaise régression: R² = 0 • Si p augmente R²
n il existe R² ajusté
 i
( ˆ
y  y ) 2
2 ( n  1) R 2
p
R 2  i n1 > Raj 
n  p 1
 i
( y  y ) 2
i 1 Quand p=1 R² = r²
r : coefficient de corrélation linéaire
Année 2008 -2009
TEST DE L’EXISTENCE DU MODELE
Test H 0 : 1   2  ........   p  0
n
SSR   ( yˆ i  y ) 2 SSR / p
i 1
 F ( p, n  p  1)
SSE / n  p  1
n
SSE   ( yi  yˆ i ) 2
i 1
F Loi de Fisher à (p,n-p-1 )degrés de liberté :

valeur f ayant la probabilité 0.05 d'être dépassée.
SSR / p
Si  f rejet de H 0
SSE / n  p  1
Si H 0 acceptée : y  y  
Année 2008 -2009
EXEMPLE de MLR
rendement maïs dose engrais niveau précipitation
y x1 x2
40 100 10
50 200 20
50 300 10
reg1=lm(rdt ~ eng + pluie) 70 400 30
65 500 20
Coefficients: 65 600 20
80 700 30
(Intercept) 28.095238 2.491482 11.277 0.000352 ***
eng 0.038095 0.005832 6.532 0.002838 **
pluie 0.833333 0.154303 5.401 0.005690 **
--- p-value
Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

F-statistic: 105.3 on 2 and 4 DF, p-value: 0.0003472

Année 2008 -2009

REGRESSION MLR cas multicolinéarité
Exemple de traitement
V1 V2 V3 V4 CAL
7 26 6 60 78.5
1 29 15 52 74.3
11 56 8 20 104.3
11 31 8 47 87.6
7 52 6 33 95.6
11 55 9 22 109.2
3 71 X 17 6 y 102.7
1 31 22 44 72.5
2 54 18 22 93.1
21 47 4 26 115.9
1 40 23 34 83.8
11 66 9 12 113.3
10 68 8 12 109.4
quantité de :
V1 : tricalcium aluminate
V2 : tricalcium silicate
V3 : tetracalcium alumino ferrite
V4 : dicalcium silicate
CAL: calories par gramme de ciment
Année 2008 -2009
REGRESSION MLR
V1 V2 V3 V4 CAL
120
min 1 26 4 6 72.5
100
Q1 2 31 8 20 83.8
80
Q2 7 52 9 26 95.6
60
moy 7.5 48.2 11.8 30 95.4
40
Q3 11 56 17 44 109.2
20
max 21 71 23 60 115.9
s 5.9 15.6 6.4 16.7 15.1
0
V1 V2 V3 V4 CAL
V1 V2 V3 V4 CAL
V1 1 0.23 -0.82 -0.24 0.73
Matrice de corrélation
V2 1 -0.13 -0.97 0.82
V3 1 0.03 -0.53
V4 1 -0.82
V5 1
Année 2008 -2009

REGRESSION MLR
Résultats de la régression MLR y  X  

(Intercept) 63.4888 70.0031 0.907 0.3909
V1 1.5494 0.7440 2.082 0.0709
V2 0.4960 0.7231 0.686 0 0.5121
V3 0.1004 0.7540 0.133 0.8974
V4 -0.1572 0.7084 -0.222 0.8299


Au risque de 5% aucun coefficient n’est significatif

que faire????
Année 2008 -2009
REGRESSION SUR COMPOSANTES PRINCIPALES
On fait une ACP normée sur le tableau X donc sans la variable CAL
ACP sur le tableau X comprenant les variables V1 V2 V3 V4
Valeur propres
[1] 2.235 1.576 0.186 0.001
Proportion of Variance 0.558 0.394 0.0466 0.0004
Cumulative Proportion 0.558926 0.9529425 0.99959406 1.0000000000

Loadings (vecteurs propres):
C1 C2 C3 C4
v1 -0.476 0.509 0.676 0.241
v2 -0.564 -0.414 -0.314 0.642
U= v3 0.394 -0.605 0.638 0.268
v4 0.548 0.451 -0.195 0.677
C1= - 0.476 v1 – 0.564 v2 + 0.394 v3 + 0.548 v4 Combinaisons linéaires

C2= 0.509 v1 – 0.414 v2 - 0.605 v3 + 0.451 v4
C3= 0.676 v1 – 0.314 v2 + 0.638 v3 - 0.195 v4
C4= 0.241 v1 + 0.642 v2 + 0.268 v3 + 0.677 v4
Année 2008 -2009

ACP sur X
MLR
X y C SCORES
V1 V2 V3 V4 CAL
7 26 6 60 78.5
C1 C2 C3 C4
1 29 15 52 74.3
11 56 8 20 104.3 1 -1.4672378 -1.9030358 -0.53000037 0.038529908
11 31 8 47 87.6
2 -2.1358287 -0.2383536 -0.29018640 -0.029832930
7 52 6 33 95.6
11 55 9 22 109.2 3 1.1298705 -0.1838772 -0.01071259 -0.093700786
3 71 17 6 102.7
4 -0.6598954 -1.5767743 0.17920354 -0.033116396
1 31 22 44 72.5
2 54 18 22 93.1 5 0.3587645 -0.4835379 -0.74012232 0.019187145
21 47 4 26 115.9
6 0.9666396 -0.1699440 0.08570243 -0.012167032
1 40 23 34 83.8
11 66 9 12 113.3 7 0.9307051 2.1348166 -0.17298595 0.008295395
10 68 8 12 109.4 8 -2.2321379 0.6916707 0.45971967 0.022605633
9 -0.3515156 1.4322451 -0.03156437 -0.044987631
10 1.6625430 -1.8280967 0.85119311 0.019836723
11 -1.6401799 1.2951128 0.49417844 0.031388975
12 1.6925940 0.3922488 -0.01980997 0.037185301
13 1.7456786 0.4375254 -0.27461537 0.036775709
Année 2008 -2009

Coefficients:
(Intercept) 95.4000 0.6430 148.373 < e-10 ***
C1 9.8791 0.4476 22.072 3.8e-09 ***
C2 0.1327 0.5331 0.249 0.8091
C3 4.6539 1.5492 3.004 0.0149 *
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
CAL = 95.4 + 9.88 C1 + 0.13 C2 +4.65 C3

On repasse aux variables initiales:
CAL = 95.4 + 7.78 V1 + 4.16 V2 + -0.85 V3 – 6.38 V4
Année 2008 -2009
REGRESSION PLS
 Méthode plus récente

 Partial Least Square
 Proche de la régression sur composantes principales
RCP : facteurs calculés qu’à partir des variables initiales (et

donc sans référence à la variable à expliquer y).
PLS : La variable à expliquer et les variables explicatives

sont prises en comptes simultanément.
Année 2008 -2009

REGRESSION PLS et PCR
RCP et PLS : On remplace l’espace initial par un espace de faible

dimension engendré par un petit nombre de composantes (ou
facteurs) ou variables latentes qui sont construites l’une après l’autre
de façon itérative. Ces facteurs seront les nouvelles variables
explicatives d’un modèle de régression linéaire.
Les facteurs sont orthogonaux (non corrélés), et sont des

combinaisons linéaires des variables explicatives initiales.
RCP : facteurs calculés qu’à partir des variables initiales (et donc
sans référence à la variable à expliquer y).
PLS : La variable à expliquer et les variables explicatives sont prises

en comptes simultanément.
Année 2008 -2009

REGRESSION PLS
• Notion de covariance :  x i 
 x  yi  y 
0.5 Cov<0 Cov>0
0.4
0.3
0.2
0.1
Cov0
0
-0.1
-0.2
-0.3
-0.4
-0.5
-0.4 -0.2 0 0.2 0.4 0.6
Année 2008 -2009

REGRESSION PLS
• Notion de covariance (bis) :

– Cov(x,y) = (x) (y) r(x,y)
 (x)
||x || 
Dans Rn
cos(x,y) = r(x,y)
||y|| (y) y
xTycov(x,y)
Année 2008 -2009

REGRESSION PLS
• Comment ça marche :
– Cherche les combinaisons linéaires u de X, telles
que :
Cov(Xu,y) maximale
– Une régression est ensuite calculée entre les

variables latentes de X et y
Année 2008 -2009

v633 v649 v666 v683 v700 v716 v733 ytep X : absorbances aux longueurs
1 0.70 0.94 1.48 1.40 0.31 0.06 0.06 87.37 d'onde (nm) 633 649 666
2 1.93 2.47 3.49 3.14 0.90 0.24 0.12 87.16 683 700 716 733, mesurées
3 1.27 1.66 2.45 2.21 0.54 0.13 0.08 87.57
sur des pommes
4 1.07 1.22 1.71 1.51 0.36 0.10 0.10 87.16
5 0.49 0.64 1.00 0.90 0.15 0.01 0.04 85.99
ytep (dernière colonne) : teneur
6 0.59 0.83 1.30 1.15 0.19 0.01 0.04 86.41 en eau des pommes
7 0.43 0.46 0.69 0.65 0.14 0.04 0.07 80.75
8 0.53 0.48 0.67 0.64 0.14 0.03 0.06 78.74
9 1.25 1.30 1.67 1.62 0.65 0.33 0.25 79.26 On cherche à prédire ytep
10 3.18 3.81 4.66 4.18 1.60 0.60 0.30 85.56 en fonction de X
11 1.36 1.51 2.04 1.94 0.66 0.30 0.23 82.35
12 2.20 2.68 3.54 3.25 1.15 0.45 0.27 83.08
13 0.46 0.60 1.09 1.10 0.23 0.04 0.06 81.13
14 1.96 2.39 3.41 3.20 0.95 0.24 0.11 79.97
15 0.56 0.77 1.33 1.31 0.29 0.05 0.06 82.44
Année 2008 -2009

(Intercept) 77.726 5.987 12.982 3.74e-06 ***
v633 -32.425 12.013 -2.699 0.0307 *
v649 78.507 35.796 2.193 0.0644 .
v666 -53.496 45.350 -1.180 0.2767
v683 45.365 38.510 1.178 0.2773
v700 -103.69 55.062 -1.883 0.1017
v716 50.320 127.846 0.394 0.7056
v733 22.613 114.740 0.197 0.8494
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

F-statistic: 8.143 on 7 and 7 DF, p-value: 0.006459
Année 2008 -2009

Matrice de corrélation des prédicteurs
v633 v649 v666 v683 v700 v716 v733

v633 1.00 0.99 0.98 0.97 0.99 0.93 0.79
v649 0.99 1.00 0.99 0.99 0.98 0.90 0.74
V666 0.98 0.99 1.00 1.00 0.97 0.86 0.68
v683 0.97 0.99 1.00 1.00 0.97 0.86 0.69
v700 0.99 0.98 0.97 0.97 1.00 0.96 0.83
v716 0.93 0.90 0.86 0.86 0.96 1.00 0.96
v733 0.79 0.74 0.68 0.69 0.83 0.96 1.00
Corrélations très élevées !!
Année 2008 -2009

p-Value
Probabilité d’être supérieur à la statistique calculée
(ou valeur absolue) que l’on compare au risque 
choisi
p Value  ( = 0.01). p Value  ( = 0.01).
Pas de rejet H0 Rejet H0
p Value
Rejet
 = 0.01
0 T35
1.80 2.4377
La valeur 1.80 est dans

Master2la region
Biotech B.P d’acceptation 79
Année 2008 -2009

Palagos - R Gression

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Palagos - R Gression

Transféré par

Droits d'auteur :

Formats disponibles

Méthodes de régression

B. Palagos Année 2008 -2009

Utilisée pour expliquer, décrire ou prédire une variable quantitative y en

p = 1 régression linéaire simple

Année 2008 -2009

Corrélation : -0.76 92.00 3130.00

2500 3000 3500 4000 153.00 2340.00

Année 2008 -2009

 : Coefficient de corrélation (Pearson) entre deux variables aléatoires X

 r est toujours compris entre -1 et + 1.

 si r proche de + 1 ou - 1 , x et y sont bien corrélées; le nuage de points

 r = 0 Pas de lien linéaire entre x et y

Année 2008 -2009

 Si taille échantillon n est faible il faut être prudent sur la

significativité du coefficient calculé. Il existe des tables

statistiques (et logiciels) qui donnent la limite de

Année 2008 -2009

Année 2008 -2009

Année 2008 -2009

Toujours faire un graphique

Année 2008 -2009

On modélise la relation linéaire entre y et x par

2500 3000 3500 4000

Année 2008 -2009

On cherche la droite (a et b ) telle que  y  yˆ 

ŷi points de coordonnées ( xi , yi )

Année 2008 -2009

2500 3000 3500 4000 MCO

Équation de la droite 140

PRI = 258 – 0.05 EAU

2500 3000 3500 4000

Moindre carrés : a et b tels que   i2    yi  (a  bxi )

Année 2008 -2009

SST  SSR  SSE SSR   ( yˆ i  y ) 2

Année 2008 -2009

 R2 = SSR/SST coefficient de détermination ou pourcentage de

 Permet de juger de la qualité Propriétés

Année 2008 -2009

Année 2008 -2009

Calculs avec logiciel R

Année 2008 -2009

Les tests supposent hypothèse normalité des erreurs (vérification a posteriori)

Test H 0 :  j  0 Coefficient pas significatif

Année 2008 -2009

On regarde les résidus après régression ei  yi  yˆ i

Pour vérifier l’homoscedasticté

Année 2008 -2009

b: modèle pas bon- résidus <0 puis

c: a priori une observation atypique

d: points alignés mais s’écartent

e: droite n’existe que par la dernière

Année 2008 -2009

Explication de la consommation de « fuel »

Gallons/Month Avrg. Temp (oF) Insulation (Inches)

275.30 40.00 3.00

Année 2008 -2009

Un modèle de régression linéaire

Année 2008 -2009

n observations yi p variables xj continues n>p

Pour chaque observation : yi    1 xi1  .....   p xip   i

Coefficients inconnus terme d’erreur non observé

Année 2008 -2009

Source de Somme des Ddl (df) Carrés moyens (mean square)