Régréssion linéaire simple

Slides:



Advertisements
Présentations similaires
C1 Bio-statistiques F. KOHLER
Advertisements

Statistiques descriptives Répartition des communes par département Côtes dArmor Finistère Ile et Vilaine Morbihan Répartition de la population par département.
Construction de Box-Plot ou diagrammes en boîtes ou boîtes à moustaches Construire une boîte à moustaches …
Chapitre 2 Les indices.
How to solve biological problems with math Mars 2012.
Introduction aux plans dexpériences P. Lambert Daprès J.-M. Fuerbringer, Design of Experiments, Mai 2006.
L’Analyse de Covariance
Régression linéaire multiple Eugénie Dostie-Goulet
Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 1 Régression multiple Quand et pourquoi on.
Régression linéaire (STT-2400)
Le tableau s’écrit alors   X1 X2   1 1 X1=1 ; X2=1 0 1 X1=0 ; X2=1 1 0
Régression linéaire multiple : hypothèses & interprétation. Partie 2.
Régression linéaire multiple : hypothèses & interprétation
Un exemple de régression logistique Une expérience sur la toxicité du tabac sur des larves de Heliothis virescens. On a mis 20 de ces larves de.
Structurer ses travaux SAS à l'aide de pages HTML Joël Rivest, Ph.D. Analyste au Centre de développement du porc du Québec inc.
une introduction pragmatique
Probabilités et Statistiques Année 2009/2010
Méthodes de régression
Représentations graphiques Les commandes graphiques peuvent être divisées en 3 groupes: Fonctions principales qui créent un nouveau graphique Fonctions.
La régression simple Michel Tenenhaus
Equations d’estimation généralisées: GEE
Statistique Cours #4 Régression linéaire simple et multiple
Probabilités et Statistiques Année 2010/2011
Un exemple d’ANOVA Pour étudier l'influence du milieu sur la DL50 de daphnies (heure), on a mesuré cette durée de vie pour deux clones de daphnies en fonction.
Régression linéaire Jonathan Lenoir (MCU),
Fonctions linéaires, fonctions affines Tarif pour 10 min: 0.30x10 = 3 € Tarif pour 100 min: 0.30x100 = 30 € Tarif pour x min: 0.30x x.
A la découverte de la polysémie des spécificités du français technique RÉCITAL Dourdan Ann Bertels University of Leuven RU Quantitative Lexicology.
2-1 La prévision des ventes. 2-2 Leitmotiv Nomenclatures correctes et à jour précises à 98%. Gammes de fabrication précises à 95% Relevés de stocks à.
Un exemple de régression poissoniènne
Transport diffusif profil initial.
On souhaite analyser les concentrations de mercure (ppm) dans les chaires de poissons carnivores des lacs de l'est de Etats- Unis. On espère trouver une.
Gestion budgétaire des ventes
1 BIO 4518: Biostatistiques appliquées Le 1er novembre 2005 Laboratoire 7 ANCOVAs (Analyse de covariance)
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :05 Asymétrie fluctuante.
A B UCDUCONNUCDUCONN Mean Median Max Min
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :57 1.
Soyez les Bienvenus.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :46 1 Régression logistique.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :18 Bootstrap et permutations.
Analyse de variance à un critère de classification (ANOVA)
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :34 1 Les modèles linéaires (Generalized Linear.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :15 1 GLM Exemples.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :47 1 Comparaison de deux échantillons Principes.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :37 1 Régression linéaire simple et corrélation.
Conditions de résistance
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :46 1 Devoir 3 (aa) on vous demande de déterminer.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :26 1 Régression multiple Quand et pourquoi on.
Traitement des données individuelles D.I.
GraphPad 6 - utilisation dans BCM311
BAC PROFESSIONNEL ESTHETIQUE COSMETIQUE PARFUMERIE
Coût de Capital AvalonBay Communities Inc. (NYSE: AVB) Auteure: Jamila Awad Date: 5 novembre 2013.
E CONOMÉTRIE A PPLIQUÉE AVEC R (P ART 03) R. Aloui 2015/2016 Disponible sur
Les mesures de tendance centrale
Corrélation et régression linéaire Mars Modèles de régression  Réponses aux questions du type: ‘Quelle est la nature de la relation entre les variables?’
S OULEYMANE MBAYE M AÎTRE - ASSISTANT ASSOCIÉ À L ’U NIVERSITÉ A. S ECK DE Z IGUINCHOR -S ÉNÉGAL. D ÉPARTEMENT E CONOMIE -G ESTION XXIX J OURNÉES ATM-UPEC.
Régression logistique et modèle de Cox Jean-François TIMSIT Réanimation médicale INSERM/UJF U823 CHU Albert Michallon Grenoble Paris, SRLF Janvier 2009.
Y RAPTOR F-150 SVT. SOMMAIRE I)Présentation II)Autonomie -Définition et formules -L'autonomie attendue -L'autonomie simulée -Protocole -Mise en œuvre.
Chapitre 12 Des modeles corrélationnelles. A la fin de ce chapitre on sera capable de:  definir le but et l’utilisation des modeles correlationnelles.
Son papier de synthèse
1 Linear Prediction. 2 Linear Prediction (Introduction) : The object of linear prediction is to estimate the output sequence from a linear combination.
Cours 7 Les régressions linéaires. Rappel théorique Existe-t-il une loi permettant de prévoir la résistance à la traction Y en fonction de la teneur en.
Cours 8 Les régressions linéaires. Les analyses statistiques avec R Modèles linéaires,lm() modèles linéaires généralisés,glm() analyse de variance, aov()
Etude d’une poutre sur 2 appuis simples chargée uniformémént Détermination : -des diagrammes des moments fléchissants et de l’effort tranchant - de la.
FTH 2012 Groupe 1 : Estimation de la biomasse pour des données LIDAR en vue de l’optimisation de l’exploitation forestière Groupe 2 : Pertinence des données.
Chapitre 6 Probabilités et Statistiques
Statistics & Econometrics Statistics & Econometrics Statistics & Econometrics Statistics & Econometrics Statistics & Econometrics Statistics & Econometrics.
Les modèles linéaires (Generalized Linear Models, GLM)
المعالجة وفق بيداغوجيا الإدماج
Will G Hopkins Auckland University of Technology Auckland NZ Quantitative Data Analysis Summarizing Data: variables; simple statistics; effect statistics.
Transcription de la présentation:

Régréssion linéaire simple Sur des données fictives: x=1:100 x=sample(x,30,replace=TRUE) x [1] 62 18 9 67 43 38 57 12 41 29 69 76 77 46 42 75 32 74 6 40 51 88 61 3 38 [26] 71 81 76 94 34 y=3+7*x+rnorm(30,0,100) Y [1] 340.61710 254.86969 54.52298 463.78335 379.30676 177.27873 555.98297 [8] -13.48922 273.11081 187.46739 439.59869 380.92303 537.40362 414.12641 [15] 299.09269 494.05965 415.9

plot(x,y)

res.reg=lm(y~x); Call: lm(formula = y ~ x) Coefficients: (Intercept) x 13.22 6.71 Droite de régression: y=6,71 *x +13.22

plot(x,y);abline(res.reg)

summary(res.reg) Residuals: Min 1Q Median 3Q Max -142.29 -58.64 -17.17 63.33 187.99 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 13.2213 37.0548 0.357 0.724 x 6.7105 0.6587 10.188 6.37e-11 Residual standard error: 90.65 on 28 degrees of freedom Multiple R-Squared: 0.7875, Adjusted R-squared: 0.78