Scribd
Importer
77 vues3 pages

Méthode des Moindres Carrés Simplifiée

Le document traite de la méthode des moindres carrés pour établir une relation linéaire entre deux variables, X et Y, à partir de 12 couples de données. Il présente l'équation de la droite d'ajustement obtenue par la méthode, y = 1,0689x - 0,4113, ainsi que des instructions pour représenter graphiquement cette droite. De plus, il aborde la recherche d'une droite d'ajustement avec une ordonnée à l'origine nulle, donnant l'équation y = 1,065x.

Transféré par

ibrahim ibn isshaq
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
77 vues3 pages

Méthode des Moindres Carrés Simplifiée

Le document traite de la méthode des moindres carrés pour établir une relation linéaire entre deux variables, X et Y, à partir de 12 couples de données. Il présente l'équation de la droite d'ajustement obtenue par la méthode, y = 1,0689x - 0,4113, ainsi que des instructions pour représenter graphiquement cette droite. De plus, il aborde la recherche d'une droite d'ajustement avec une ordonnée à l'origine nulle, donnant l'équation y = 1,065x.

Transféré par

ibrahim ibn isshaq
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

METHODE DES MOINDRES CARRÉS

On s’intéresse à deux variables X et Y. On tente d’expliquer Y (variable


à expliquer) à partir de la variable X (variable explicative). On dispose
de 12 couples (xi ; yi) dont les valeurs sont indiquées ci-dessous :
x<-c(97,91,103,79,81,105,94,85,101,106,75,99)
y<-c(100,95,112,83,86,110,99,94,107,114,80,108)
plot(x, y, xlab="Variable X", ylab="Variable Y", pch=20, cex=2,col="blue",
bty="n",ylim=c(75,120))
text(x,y,pos=3)
120

10
3
6
110

12
9

1
100
Variable Y

2
8
90

5
4
11
80

75 80 85 90 95 100 105

Variable X

Compte tenu de la forme du nuage de points (étiré autour d’une droite


« imaginaire ») on peut envisager une relation linéaire entre les
variables X et Y.
On va déterminer la droite d’équation y = ax + b qui passe au milieu du
nuage de points et au plus près de tous les points.
Cette droite est obtenue à l’aide de la méthode des moindres carrés qui
consiste à trouver a et b de telle sorte que la somme suivante soit la
plus petite possible :
(100 – 97a – b)² + (95 – 91a – b)² + … + (80 – 75a – b)² + (108 – 99a – b)²

Ce qui revient à déterminer une droite telle que les carrés des longueurs
indiquées en rouge soient les plus petits possibles.
reg<-lm(y~x)
abline(reg,col="red",lwd=2)
segments(x,y,x,reg$fitted.values,col="red",lwd=3)

Page 1 sur 3
On obtient facilement cette équation à l’aide de la fonction lm (linear
model).
reg<-lm(y~x)
reg
Coefficients:
(Intercept) x
-0.4113 1.0689

Ainsi la droite d’ajustement a pour équation y = 1,0689x – 0,4113.


Pour la représenter graphiquement il suffit de taper l’instruction
suivante :
abline(reg,col="red",lwd=2)

Il est possible, à l’aide de la fonction nlm() de retrouver le minimum


de la fonction f de deux variables a et b, d’équation :
f(a,b) = (100 – 97a – b)² + … + (108 – 99a – b)²
f-function(z){a<-z[1];b<-z[2];sum((y-a*x-b)^2)}
nlm(f,c(1,1))
$minimum
[1] 46.00238
$estimate
[1] 1.0689382 -0.4112519

Le minimum de la fonction f vaut 46,00238 et se produit pour a  1,0689


et b  -0,4113

Page 2 sur 3
Si on souhaite obtenir une droite d’ajustement avec une ordonnée à
l’origine nulle alors il faut utiliser les instructions suivantes :
reg2<-lm(y~x-1)
reg2
Coefficients:
x
1.065

Il s’agit de la droite d’équation y = 1,065x


Il est possible de retrouver cette équation, à l’aide de la fonction
optimize() en recherchant le minimum de la fonction g (fonction à une
variable) d’équation :
g(a) = (100 – 97a)² + … + (108 – 99a)²
g<-function(a){sum((y-a*x)^2)}
optimize(g,lower = 0, upper =2) # on cherche la solution sur l’intervalle [0 ;
2]
$minimum
[1] 1.064569
$objective
[1] 46.02676

Le minimum de la fonction g vaut 46,02676 et se produit pour a  1,0645

Page 3 sur 3

Vous aimerez peut-être aussi