Scribd
Importer
162 vues2 pages

Corrigé TD Régression Linéaire L2/STA230

Le document présente les résultats de deux exercices sur la régression linéaire. Il résume les valeurs numériques utilisées pour les calculs de la régression linéaire pour les deux exercices, et présente les conclusions des tests réalisés sur les paramètres des modèles linéaires estimés.

Transféré par

Noura Darif
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
162 vues2 pages

Corrigé TD Régression Linéaire L2/STA230

Le document présente les résultats de deux exercices sur la régression linéaire. Il résume les valeurs numériques utilisées pour les calculs de la régression linéaire pour les deux exercices, et présente les conclusions des tests réalisés sur les paramètres des modèles linéaires estimés.

Transféré par

Noura Darif
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Université Joseph Fourier

L2/STA230

TD Régression Linéaire : Corrigé des exercices 4 et 8


1. Notations :
cxy
â = , b̂ = ȳ − âx̄,
s2x
cxy n 2
2
rxy = σˆ2 = 2
s (1 − rxy ).
sx sy n−2 y

2. Exercice 4: Résumé des valeurs numériques :

x̄ ȳ sx sy cxy
55.8 30.0 7.1 23.2 -73.01

(a) y = −1.432x + 109.9


(b) Il s’agit de tester H0 : a = 0 contre H1 : a 6= 0. On a
 √ 
âsx n n−2
W1% = T = > t1% .
σ̂

Ici tcal = 3.069 > t33 1% ∈ [2.704, 2.750], donc au seuil de 1% on rejette
l’égalité a = 0, i.e. on conclue que la droite de régression est pertinente.

3. Exercice 8: résumé des valeurs numériques :

x̄ ȳ s2x s2y
113.5 22.306 52.249968 1.93558

(a) On a un couple de variables mesuré sur un échantillon de taille 16. On


cherche à connaı̂tre la taille des oeufs Y à partir du diamètre des nids
X. Le but est donc d’établir un modèle reliant X et Y avec y la variable
expliquée et X la variable explicative. On considère le modèle linéaire
Yi = axi + b + ǫi , i = 1, . . . , n, où les ǫi , sont des variables aléatoires
indépendantes de loi N (0, σ 2 ).
(b)
â = 0.192, b̂ = 0.563, σˆ2 = 0.0107853.

1
(c) Il s’agit de tester H0 : a = 0 contre H1 : a 6= 0. On a
 √ 
âsx n n−2
W1% = T = >t
1% .
σ̂

Ici tcal = 38.49 > t14


1% = 2.977, donc au seuil de 1% on rejette l’égalité
a = 0, i.e. on conclue que la droite de régression est pertinente.
(d) Prévision :
i. ŷ = 0.192x + 0.563 et pour x = 128mm, on trouve ŷ = 25.139.
ii.  s  
ˆ
σ 2 2
(x0 − x̄) 

I[ax + b, α] = Ŷ ± tαn−2 1+ ,
n s2x

a.n. i[ax + b, 5%] = [25.014, 25.2638].


iii. La probabilité qu’un oeuf de coucou qu’on trouve dans un nid de 128
mm de diamètre soit de longueur supérieure à 26 mm est donnée par

Y − 25.4
 
P (Y > 26) = P > 8.2772 = 1 − φ(8.2772) ∼ 0.
0.1039

Vous aimerez peut-être aussi