Régression

Nettoyage des données4 a. Traitement des valeurs manquantes5 b. Triage des données6 III. Statistiques descriptives 7 a. Statistique de base 8 b. Dépendance entre variables 9 IV. Régression multiple 10 a. Sélection des variables 11 b. Construction du plan de régression 12 c. Faire la prévision 13 CONCLUSION14 Introduction L’objective de ce mini projet est de savoir utiliser les logiciels statistiques (SAS & SPSS), comprendre leur fonctionnement

millions de dollars) X | Y | 40 40 30 50 | 50 60 40 50 | Trouvez la droite de régression et le coefficient de corrélation. Calculons tout d'abord et Complétons le tableau suivant: | | | | | | | 40 40 30 50 | 50 60 40 50 | 0 0 -10 +10 | 0 +10 -10 0 | 0 0 +100 +100 | 0 +100 +100 0 | 0 0 +100 0 | On a donc: Les coefficients de la droite de régression sont: Et le coefficient de corrélation: La corrélation est positive et de qualité

que la valeur de la vitesse maximale. Pour cela, nous pouvons tracer un graphe de 1/[S] en fonction de 1/[V0] (Linweaver - Burk plot) et ainsi obtenir une répartition des mesures plus linéaire. On obtient pour 1/V0 = f(1/[BAPNA]) une droite de régression ayant les caractéristiques suivante : y = ax + b 21.04.2009 Elliott Croset Alexandre Dumoulin Solutions [BAPNA] (mol/l) [S] (mol/l) Pente (Abs/ min) V0*10-6 (mol/min) pipettes utilisées V0 th (mol/min) A 0.003 2.50E-07 0.0406 4.06E-06

moindres carrés a) La droite de régression Soit D une droite d’ajustement. Soit Mi(xi ; yi) un point du nuage. Pi est le point de même abscisse xi que Mi situé sur la droite D d’équation y = ax + b. Qi est le point de même ordonnée yi que Mi situé sur la droite D’ d’équation x = a’x + b’. On appelle droite de régression de y en x, la droite D tell que : ∑ M P = ∑[y 2 i=1 i i i=1 n n i − (axi + b)] 2 soit minimale. On appelle droite de régression de x en y, la droite D’ telle que

#E #E v2 "E = "m + "v = "m + mv"v #m #v 2 "E "m "v 1.8 0.23 = +2 = +2 = 0.25 = 25% E m v 9.5 7.35 E = 257 ± 65 kg m2/s2 TP de Physique Générale - EPFL 9 ! Régression linéaire (1) On mesure deux séries de grandeurs xi et yi . Existe-t-il une fonction y = f(x) qui traduit une relation entre le deux grandeurs? Exemple: droite de régression y = ax + b pour la quelle l'incertitude sur les xi est négligeable, et l'incertitude sur les yi est distribuée selon une gaussienne de σ inconnu. y = ax + b

Linéaire de Régression Simple PLAN I. Modèle Linéaire de Régression Simple a. b. c. d. Rappels de notions Les hypothèses du modèle Estimation des paramètres Validation des modèles Déflater une série statistique Application Analyse de l’influence saisonnière Application Les hypothèses du modèle Détermination des paramètres Tests dans le M.R.M Exercices d’application Yousra Cherrouk 3 II. Traitement des séries statistiques a. b. c. d. a. b. c. d. III. Modèle Linéaire de Régression Multiple

37,6 38,9 40 40,7 41,7 Dans un repère orthogonal, on a représenté la série chronologique double (xi ;yi ) avec xi=ai-1980. 1) On se propose de chercher un ajustement affine. a) Déterminer une équation réduite de la droite de régression de y en x obtenue par la méthode des moindres carrées, avec des coefficients arrondis à 10-4 près. A l'aide de cet ajustement, estimer le pourcentage de naissances hors mariage en l'an 2000. b) En quelle année peut-on penser que le taux de

équation de la droite de régression de y en t est donc y=1020,514t-721,139 c) L’année 2005 correspond à x=15 donc à t=2,708, donc d’après l’ajustement, à y=1020,514x2,708-721,139=2042,413 millions d’euros d) Puisque t=lnx, on en déduit y=1020,514ln(x)-721,139. La courbe de f définie par f(x)=1020,514ln(x)-721,139 est donnée ci-dessous : 5) a) xi zi 0 5,986 1 2 3 6,111 6,047 6,217 4 5 6 6,512 6,863 6,981 b) Une équation de la Une équation de la droite de régression de z en x est donc z=0,177x+5

échantillon, telle que la moyenne et l’écart type. Nous avons ensuite réalisé des intervalles confiance pour estimer l’espérance. De plus, nous avons réalisé des tests d’hypothèse sur les différentes variables. Enfin, nous avons construit un modèle de régression linéaire. B. LES RESULTATS OBTENUS A) LES VALEURS EMPIRIQUES Nous avons recherché pour chacune des variables la moyenne et l’écart type dans l’échantillon. Nous avons ainsi calculé que l’âge moyen des fumeurs dans l’échantillon est d’environ

Quelle est la nature de la variable Y ? Faire une représentation graphique de cette série statistique Déterminer la droite d'ajustement de Mayer Calculer le coefficient de corrélation linéaire de Y en t Déterminer la droite de régression linéaire, de Y en t, par la méthode des moindres carrés. L'ajustement linéaire est-il satisfaisant? On considère la variable X définie par : X = t² – 12.t + 20. Recopier et compléter le tableau ci-dessous. t (en année) | 1,1 | 1