Statistiques à deux variables

Slides:



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

Notions de fonction Initiation.
Terminale STG Activité : Ajustement affine
Soizic Geslin Samy Fouilleux Minh Le Hoai Maxime Chambreuil
25 - Fonctions affines Définition Soit a et b deux nombres donnés.
C1 Bio-statistiques F. KOHLER
Méthodes statistiques. Ajustements et corrélation
Corrélations et ajustements linéaires.
Le programme de mathématiques en série STG
Régression -corrélation
Exploitation avec Excel.
Statistiques en 3ème M-S
Analyse en Composantes Principales
Corrélation linéaire et la droite de régression
Chapitre 2 Les indices.

Chapitre 2: Les régularités et les relations
OGC1 : Les outils danalyse de marché Les indices, les taux de variation et les représentations graphiques. Les prévisions des ventes par lajustement linéaire.
La Régression Multiple
Exercice de statistiques
Régression linéaire simple
Corrélation et régression linéaire simple
Comment analyser un graphique ?
Régression linéaire (STT-2400)
Méthodes de prévision (STT-3220)
Analyse de la covariance
Toutes les variables étaient mesurées au niveau intervalle et sans erreur Toutes les variables étaient mesurées au niveau intervalle et sans erreur ->
La corrélation et la régression multiple
La corrélation et la régression
La régression logistique
La corrélation et la régression
Les modèles linéaires (Generalized Linear Models, GLM)
Le comportement des coûts Chapitre 3
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
Contrôle Préparez une feuille de réponses. Mettez votre nom. Numérotez dix lignes de 1 à 10. Vous aurez 40 secondes par questions.
Régression linéaire (STT-2400)
La régression multiple
Coefficient de corrélation linéaire
Régression linéaire (STT-2400)
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement
STATISTIQUES COURS 4 La régression. Nous avons vu divers tests statistiques afin de vérifier le degré d ’interdépendance entre 2 variables Test.
Équations des Lignes.
Méthodes de Biostatistique
La régression simple Michel Tenenhaus
LA REGRESSION LINEAIRE
STATISTIQUE DESCRIPTIVE ÉLÉMENTAIRE
Présentation du marché obligataire
Les Etapes d’exécution d’une graphique linéaire
Chapitre 12 Régression linéaire simple et corrélation linéaire
Fabienne BUSSAC FONCTIONS LINEAIRES – PROPORTIONNALITE
Gestion budgétaire des ventes
Outils d’analyse: la méthode des moindres carrées
Les Diagrammes de dispersion
BIO 4518: Biostatistiques appliquées Le 25 octobre 2005 Laboratoire 6 Corrélation linéaire et régression linéaire simple.
1 Licence Stat-info CM1 b 2004Christophe Genolini 2.1. Vocabulaire Individu : objet étudié Population : Ensemble des individus Variable : nom donné à ce.
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Travail pratique.
Forme approximative d’un diamant taillé en brillant
ETUDE DE 2 VARIABLES QUANTITATIVES
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
Régression linéaire (STT-2400)
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.
REPRESENTATION GRAPHIQUE
Corrélation et causalité
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement.
Transcription de la présentation:

Statistiques à deux variables

1)PRESENTATION D.D. : Double Dimension ou L.R. : Régression linéaire Ou deux variables

Variable Effectif 4,25 1 3 2 1,75 4 1,50 5 6 0,50 0,25

x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

Représentation graphique:Nuage de points

Nuage de points Variable x Variable Y effectif 4,25 1 3 2 1,75 4 1,50 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

  x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

  x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

  x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

  x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

  x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

  x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

Point Moyen  G( )

  x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

 

Co-Variance  = =

2)AJUSTEMENT LINEAIRE   Si les points du nuage le justifient, on peut ajuster le nuage par une droite d’équation ou

  x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

AJUSTEMENT PAR LES MOINDRES CARRES: REGRESSION Ajustement de y par rapport à x : projection verticale

AJUSTEMENT PAR LES MOINDRES CARRES: REGRESSION Ajustement de y par rapport à x : projection verticale y = a x + b avec = et cette droite passe par le point moyen

  x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

AJUSTEMENT PAR LES MOINDRES CARRES: REGRESSION Ajustement de y par rapport à x : projection verticale y = a x + b avec = et cette droite passe par le point moyen

  x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

AJUSTEMENT PAR LES MOINDRES CARRES: REGRESSION ajustement de x par rapport à y : projection horizontale

AJUSTEMENT PAR LES MOINDRES CARRES: REGRESSION ajustement de x par rapport à y : projection horizontale = avec et cette droite passe par le point moyen

x y n 4,25 1 3 2 1,75 4 1,50 5 0,50 6 0,25

3)COEFFICIENT DE CORRELATION LINEAIRE ENTRE X ET Y:

r = Si r > 0 alors la droite monte   r = Si r > 0 alors la droite monte Si r < 0 alors la droite descend

On a toujours: -1  r  1 ·     

On a toujours: -1  r  1 ·      si r = 1 ou r = -1 alors les droites d’ajustement sont confondues et les points alignés· 

On a toujours: -1  r  1 ·      si r = 1 ou r = -1 alors les droites d’ajustement sont confondues et les points alignés· 

·        si r > 0,8 on dit que l’on a une bonne corrélation linéaire entre x et y Et l’ajustement linéaire se justifie si x et y sont indépendantes alors r =0