Introduction à la régression linéaire

Extrait de la fiche de révision

Plan du Cours

  1. Régression linéaire simple
  2. Notations et hypothèses
  3. Estimateurs MCO
  4. Propriétés des estimateurs
  5. Variance des estimateurs
  6. Interprétation géométrique
  7. Mesure de l'ajustement
  8. Coefficient de détermination R2
  9. Évaluation du modèle
  10. Régression multiple et modèles avancés

1. Régression linéaire simple

Notions clés & Définitions

  • Relation linéaire approximative : La régression linéaire simple modélise une relation entre une variable dépendante y et une variable explicative x en supposant qu’elle peut être approchée par une droite, c’est-à-dire une relation de la forme y ≈ β0 + β1x, où β0 et β1 sont des coefficients à estimer. (source : S. Lèbre, Chap 2)

  • Modèle y ≈ β0 + β1x : Expression qui représente l’hypothèse que la variable réponse y peut être approximée par une combinaison linéaire d’une variable explicative x, avec une erreur aléatoire εi, c’est-à-dire yi = β0 + β1xi + εi. (source : S. Lèbre, Chap 2)

  • Notations vectorielles : La formulation compacte du modèle en utilisant des vecteurs y, x, et ε, où y = (y1, ..., yn)ᵗ, x = (x1, ..., xn)ᵗ, et ε = (ε1, ..., εn)ᵗ, permet de représenter la relation linéaire de manière matricielle. (source : S. Lèbre, Chap 2)

Lire la fiche complète →

Aperçu du QCM

1. Qu'est-ce que la régression linéaire simple ?

2. Quelle est la propriété géométrique fondamentale de la droite de régression estimée par la méthode des moindres carrés dans le modèle linéaire simple ?

3. Quel est le rôle principal de l'estimateur MCO dans la régression linéaire simple ?

Faire le QCM (10 questions) →

Aperçu des flashcards

Régression linéaire — définition ?

Modélise une relation linéaire entre y et x.

Modèle y ≈ β0 + β1x — hypothèses ?

Erreurs centrées, homoscédastiques, non corrélées.

Estimateurs MCO — rôle ?

Minimisent la somme des carrés des erreurs.

Propriétés des estimateurs — sans biais ?

Oui, sous certaines hypothèses.

Variance de ˆβ1 — dépend de ?

Dispersion de x et σ².

Interprétation géométrique — projection ?

Projection orthogonale de y sur l’espace span{1,x}.

Voir toutes les 20 flashcards →

Questions fréquentes

Que contient la fiche de révision sur Introduction à la régression linéaire ?

La fiche de révision couvre les notions essentielles de Introduction à la régression linéaire. Elle est structurée par thématiques pour faciliter l'apprentissage et la mémorisation, avec des définitions clés, des explications et des synthèses.

Lire la fiche complète →

Combien de questions contient le QCM sur Introduction à la régression linéaire ?

Le QCM contient 10 questions à choix multiples avec corrections détaillées et explications pour chaque réponse. Idéal pour tester tes connaissances et identifier tes lacunes.

Faire le QCM (10 questions) →

Comment réviser Introduction à la régression linéaire avec les flashcards ?

Revizly propose 20 flashcards interactives sur Introduction à la régression linéaire. Chaque carte présente une question au recto et la réponse au verso, permettant une révision active et efficace basée sur la répétition espacée.

Voir toutes les 20 flashcards →

Cours similaires

Crée tes propres fiches depuis tes cours

Importe ton PDF ou colle ton cours, l'IA génère fiches, QCM et flashcards en 30 secondes.