PROGRAMMATION SCIENTIFIQUE EN C PRO-1027. Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Travail pratique.

Slides:



Advertisements
Présentations similaires
Corrélation Position du problème Définition covariance (X,Y) r =
Advertisements

2. Méthodes du simplexe et son analyse.
25 - Fonctions affines Définition Soit a et b deux nombres donnés.
Exercice Fonctions linéaires. Exercice Déterminer les fonctions linéaires dont les représentations graphiques sont les droites : (OA) (OB)
C1 Bio-statistiques F. KOHLER
Unité #2 Analyse numérique matricielle Giansalvo EXIN Cirrincione.
Droites et équations.
Corrélations et ajustements linéaires.
Le programme de mathématiques en série STG
Régression -corrélation
10 + 3x = x² Les équations du second degré Exercice d’introduction:
Modélisation des systèmes non linéaires par des SIFs
PROGRAMMATION SCIENTIFIQUE EN C
Intégration numérique
Chapitre 2: Les régularités et les relations
La Régression Multiple
Concepts avancés en mathématiques et informatique appliquées
PROGRAMMATION SCIENTIFIQUE EN C
Régression linéaire simple
L'approximation affine
La fonction quadratique
Méthode des Ensembles de Niveaux par Eléments Finis P1
Modeles Lineaires.
La régression logistique
Optimisation non linéaire sans contraintes Recherche opérationnelle GC-SIE.
Optimisation-Identification et Cast3M
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
RECONNAISSANCE DE FORMES
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
Géométrie analytique Équations d’une droite
Isoler une variable Dans cette présentation, nous isolerons la variable y dans une équation contenant deux variables. Ce sera surtout ce genre d’équation.
La régression multiple
CHAPITRE 2 LES SITUATIONS FONCTIONNELLES
Présentation de la méthode des Eléments Finis
Méthodes de Biostatistique
PROGRAMMATION SCIENTIFIQUE EN C
ASI 3 Méthodes numériques pour l’ingénieur
PROGRAMMATION SCIENTIFIQUE EN C
Exploitation de mesures scientifiques.
ASI 3 Méthodes numériques pour l’ingénieur
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non- linéaires (racines d’équations) u Introduction u Méthode de recherche.
Gestion budgétaire des ventes
Droite d'équation : y = a.x + b yi ythi
Outils d’analyse: la méthode des moindres carrées
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non- linéaires (racines d’équations) u Méthode de la bissection u Analyse.
Rappels Variables nominales :
REVISIONS POINTS COMMUNS
Méthode des moindres carrés (1)
Résoudre des équations algébriques
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
2. Méthode du simplexe et son analyse.
Chapitre 7 Les équations différentielles d’ordre 1
Chapitre 7 Les équations différentielles d’ordre 1
Interpolation et Approximation
STATISTIQUES.
Le modèle de régression linéaire Claude Marois © 2010.
Analyse des données. Plan Lien entre les statistiques et l’analyse des données Propagation des erreurs Ajustement de fonctions.
Statistiques à 2 variables
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Exemple.
1. Méthode du simplexe et son analyse.
PROGRAMMATION SCIENTIFIQUE EN C
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement.
Droite de régression avec la méthode médiane-médiane.
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
Transcription de la présentation:

PROGRAMMATION SCIENTIFIQUE EN C PRO-1027

Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Travail pratique 4 a)

Approximation linéaire u Nous cherchons la droite qui approxime le mieux selon un critère de moindre carré, un ensemble de points de contrôle u La forme du modèle linéaire (bivarié) à une seule variable indépendante est donnée par: b 0 : ordonnée à l’origine b 1 : pente

Approximation linéaire u Par exemple

Approximation linéaire u Cherchons une droite d’approximation de la forme T = aR + b u Posons Y i valeurs expérimentales (axe Y) faisant référence aux températures u Et y i une valeur calculée (approximation) par: y i = ax i + b où x i représente les valeurs de résistance

Approximation linéaire u Cherchons la droite (coefficients a et b) qui approxi- me le mieux les données expérimentales –Définissons un terme d’erreur de la forme: e i = Y i - y i –Le critère de moindre carré exige que: soit minimum (N est le nombre points de contrôle)

Approximation linéaire u Cherchons les valeurs de a et b qui minimise S en divisant par -2 et en distribuant la  nous obtenons

Approximation linéaire u Pour notre exemple nous savons que: N=5,  R i = 4438,  R i 2 = x 10 6,  T i =  x i  x i 2  Y i  R i T i =  x i Y i u Nous avons comme système d’équations:

Approximation linéaire u Par substitution le système d’équations devient: isolons b de la seconde équation

Approximation linéaire u Substituons b de la première équation pour déduire a nous pouvons alors déduire b de la seconde équation b =

Approximation linéaire u Avec a et b connu nous pouvons alors déduire la droite d’approximation suivante

Travail pratique 4 a) u Approximation d’un ensemble de données portant sur les cotes boursières (XXM)

Travail pratique 4 a) u Affichage des points de contrôle dans une graphi- que for(i=0;i < NBPOINTDECONTROLE;i++) { fprintf(fp, ’’move %lf %lf\n ’’, x[i],y[i]); fprintf(fp, ’’ %lf %lf\n ’’, x[i],y[i]); }

Travail pratique 4 a) u Affichage des points de contrôle dans une graphi- que avec validation de l’écriture for(i=0;i < NBPOINTDECONTROLE;i++){ if((fprintf(fp, ’’move %lf %lf\n ’’, x[i],y[i]) == EOF){ printf(’’ ERREUR D’ECRITURE ’’); exit(0); } if((fprintf(fp, ’’%lf %lf\n ’’, x[i],y[i]) == EOF){ printf(’’ ERREUR D’ECRITURE ’’); exit(0); }