Compte rendu du TP 2 :
Application de la corrélation et régression
Réalisées par :
Salma El ghrissy
Nada El Farkouchi
Ce TP est divisé en deux partie la première partie
concerne l´étude de la corrélation et l´autre
concerne la régression et le calcul d´ajustement.
1. Etude de corrélation :
On travaille sur cinq variables A B C D et E résumer sous forme de tableau
suivant :
A B C D E
2,4 59,94 0,0902 69,65 0,624
2,1 59,92 0,0884 69,73 0,613
2,1 59,45 0,0886 69,64 0,596
2,3 60,07 0,1001 69,01 0,607
1,5 60,12 0,0991 69,54 0,508
2,1 60 0,0891 70,04 0,611
1,8 59,76 0,0973 68,76 0,638
1,9 58,91 0,0929 70,1 0,597
1 - calcul de variance la moyenne, l´écart-type SEC
Pour calculer la moyenne on fait :
On obtient donc
Pour calculer la variance on fait :
On obtient donc
Pour calculer l´écart-type on fait :
On obtient donc
On utilisant
Utilitaire
D´analyse
On sélectionne toute la table
On sélectionne une case vide
Le résultat :
2- la matrice centrée et matrice réduite
On fait = (notre valeur -$ moyenne)
Et pour obtenir la matrice centrée il suffit de faire
un simple glissement vertical et horizontale
NB : $ pour fixer la moyenne
Donc notre matrice centrée est :
On fait =(notre valeur -$ moyenne)/$ écart-type
Et pour obtenir la matrice réduit il suffit de faire
un simple glissement vertical et horizontale
Donc notre matrice réduit est :
3-matrice des covariances :
On choisit
Analyse de
covariance dans
utilitaire d´analyse
On sélectionne toute la table
On sélectionne une case vide
le résultat est :
4- matrice des corrélations :
On choisit
Analyse de
corrélation dans
utilitaire
d´analyse
On sélectionne toute la table
On sélectionne
une case vide
le résultat est :
5-les variables ayant la corrélation significative :
1- Les variables ayant une corrélation significative :
Hypothèse :
H0 : Il n’y a pas de corrélation, r(x,y)=0
H1 : Il existe une corrélation, r(x,y) ≠ 0
Statistiques➔Statistiques élémentaires➔corrélation :
On remarque que tous les valeurs de p sont > 0,05
➔H0 est acceptée et le test est non significatif ➔Pas de
corrélation entre les 5 variables .
[Link] de regression et calcul de manque
d´ajustement :
Dans cette partie on travaille sur les résultats d´analyse d´une méthode analytique , et
qui sont regroupés dans le tableaux suivant :
Concentration Réponse
5,2 35,74
5,2 35,55
5,2 36,09
15,2 90,9
15,2 91,08
15,2 91,21
25,5 150,61
25,5 151,85
25,5 152,08
35 205,15
35 205,45
35 206,09
45 253,34
45 251,09
45 252,98
55 320,72
55 320,09
55 322,11
65 360,23
65 360,34
65 361
75 410,3
75 411,7
75 410,87
1-le diagramme de dispersion :
On sélectionne les donnes et dans la case insertion on choisit la graphe de nuage
du point pour obtenir la résultat suivant :
Concentration Courbe de régression
500
400
Reponse
300
200 Reponse
100
Prévisions Reponse
0
0 20 40 60 80
Concentration
Notre courbe presque linière donc on a une corrélation entre les deux variables.
2- la régression :
Par Excel
On choisit
Analyse de corrélation
dans utilitaire d´analyse
On sélectionne la case
de réponse
On sélectionne la case
de concentration
On sélectionne une case
vide
Et on obtient :
Par Minitab
On suit les étapes suivantes :
Stat → régression→ régression →
ajuster le model de régression
On obtient :
Si on ajoute le terme quadratique :
On fait les mêmes
étapes que la
régression simple,
juste on fait une
modification au
niveau du ‘’model’’
(Dans la case du
terme jusqu´à l´ordre
on met 2 au lieu de 1)
On obtient :
Modèle avec pondération :
Paramètre de pondération
On fait les mêmes étapes que la
régression simple, juste on tape le
paramètre de pondération dans
‘option’
Alors
La courbe : racine R f (racine c )
On fait les mêmes étapes
que la régression simple,
sauf au lieu de mettre ordre
et concentration on met
racine R , racine c .
On obtient :
La courbe : ln R f ( ln c )
De même on obtient :
3- la table des mesures :
La case dans laquelle on met les valeurs
On suit les étapes suivantes :
Stat → régression→ régression → ajustement
de model de régression
Le paramètre qu’on va calculer
De même manière on calcule tous les paramètres
Examen des
a0 a1 a11 p-value S réd R²% résidus
Intecept # 0 11,34 5,416 0 <0,001 5,78 99,70% Aléatoire
Intecept = 0 0 5,631 0 <0,001 8,05 99,90% Aléatoire
Terme
quadratique 2,92 6,036 -0,0073 <0,001 4,56 99,80% Non homogène
Pondération
w=1/x² 7,05 5,54 0 <0,001 0,12 99,90% Non homogène
Racine carré 0,81 2,26 0 <0,001 0,004 99,90% Non homogène
Logarithme 2,08 0,9 0 <0,001 0,001 99,90% Non homogène
4- le bon modèle :
D´après les résultats le bon modèle est la courbe de la fonction : R=5,631C
6- prédire la valeur de ŷo :
On sait que ŷ0 = a0+a1*x0
Si x0 = 50
Donc
ŷ0 = 11,340271 +5,41643658*50
ŷ0 = 281,55
7-prédire la valeur de x̂ 0
Si y0 = 198,50
Donc
x̂ 0 =35,25
