Scribd Logo
Importer

Bienvenue sur Scribd !

  • 111 vues

    Lajustement Linéaire Par La Méthode Des Moindres Carrés

    Transféré par

    Abder Alami
    Ce document décrit la méthode des moindres carrés pour ajuster une droite de régression linéaire aux données. La méthode consiste à minimiser la somme des carrés des écarts verticaux entre les points de données et la droite. Le document fournit les formules pour calculer le coefficient directeur a et l'ordonnée à l'origine b de la droite de régression, ainsi qu'un exemple d'application aux données sur le stock des investissements directs étrangers au Maroc.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Lajustement Linéaire Par La Méthode Des Moindres Carrés

    Transféré par

    Abder Alami
    111 vues2 pages
    Ce document décrit la méthode des moindres carrés pour ajuster une droite de régression linéaire aux données. La méthode consiste à minimiser la somme des carrés des écarts verticaux entre les points de données et la droite. Le document fournit les formules pour calculer le coefficient directeur a et l'ordonnée à l'origine b de la droite de régression, ainsi qu'un exemple d'application aux données sur le stock des investissements directs étrangers au Maroc.

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Ce document décrit la méthode des moindres carrés pour ajuster une droite de régression linéaire aux données. La méthode consiste à minimiser la somme des carrés des écarts verticaux entre les points de données et la droite. Le document fournit les formules pour calculer le coefficient directeur a et l'ordonnée à l'origine b de la droite de régression, ainsi qu'un exemple d'application aux données sur le stock des investissements directs étrangers au Maroc.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    111 vues2 pages

    Lajustement Linéaire Par La Méthode Des Moindres Carrés

    Transféré par

    Abder Alami
    Ce document décrit la méthode des moindres carrés pour ajuster une droite de régression linéaire aux données. La méthode consiste à minimiser la somme des carrés des écarts verticaux entre les points de données et la droite. Le document fournit les formules pour calculer le coefficient directeur a et l'ordonnée à l'origine b de la droite de régression, ainsi qu'un exemple d'application aux données sur le stock des investissements directs étrangers au Maroc.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 2

    Enseignant : Mohamed OUBEJJA

    B- L’ajustement linéaire par la méthode des moindres carrés


    1- Principe
    Nous disposons de deux variables dont l’une est dépendante de l’autre. Cette variable dépendante,
    Y, est linéairement liée à X.
    L’objectif de l’ajustement linéaire est de travailler avec les données dont nous disposons. Dans
    une distribution à deux variables, dont l’une est liée linéairement à l’autre, la représentation
    graphique est un nuage de points plus ou moins dispersés dans un plan ordonné avec la variable X
    en abscisse et la variable Y en ordonnée.
    Il s’agira donc d’ajuster ce nuage de points à une droite, la plus proche possible de tous les points.

    L’objectif est de trouver les inconnues de l’équation de la droite : Y = aX + b. c'est-à-dire le


    coefficient directeur (ou la pente de la droite) : a et l’ordonnée à l’origine ou la constante : b.
    La détermination de a et b, de manière à minimiser les écarts verticaux des points du nuage à la
    droite, permettra d’obtenir une droite d’ajustement la plus proche possible à tous les points du
    nuage.
    Le paramètre a est obtenu à l’aide des moindres carrés ordinaires, c'est-à-dire lorsqu’on minimise
    la somme des carrés des écarts des points à la droite.
    Min∑(𝒚 − 𝒚′)𝟐 = Min∑(𝒚 − (𝒂𝒙 + 𝒃))𝟐
    Avec, 𝒚 : la valeur observée (les points du nuage) et 𝒚′ : la valeur ajustée (la droite), 𝒚′ = 𝒂𝒙 + 𝒃

    Cela nous donne : a =

    Avec, n : nombre d’observations

    La moyenne de X

    La moyenne de Y

    1/2
    Enseignant : Mohamed OUBEJJA

    ∑ 𝒙𝒚−𝒏𝒙
    ̅𝒚̅
    En développant la formule de a, on obtient : a =
    ∑ 𝒙𝟐 −𝒏𝒙
    ̅𝟐

    NB : C’est cette dernière formule qu’on utilise souvent dans les examens. Il s’agit de la méthode
    développée.

    Remarque :

    - Si a > 𝟎 : la droite est croissante ;


    - Si a < 𝟎 : la droite est décroissante.

    Pour déterminer b, on se sert du résultat de a. On peut donc déterminer b comme suit :

    En remplaçant a et b par les valeurs que nous avons trouvées, nous pouvons écrire l’équation de la
    droite d’ajustement, ce qui nous permettra de faire des prévisions à court terme.

    2- Application
    Soit la série statistique suivante :
    L’évolution du stock des IDE dans l’industrie au Maroc (en milliards de dirhams)

    Année 2014 2015 2016 2017 Total ()


    Rang de l’année (xi) 1 2 3 4 ?

    Stock des IDE (yi) 119 110 115 138 ?


    xi*yi …. …. …. …. ?

    xi2 …. …. …. …. ?

    Travail à faire :
    1) Complétez le tableau ci-dessus.
    2) Calculez les deux moyennes :𝑥̅ et 𝑦̅.
    3) Déterminez l’équation de la droite d’ajustement linéaire y = ax + b selon la méthode des
    moindres carrées (méthode développée), sachant que : xi : les années, yi : stock des IDE.
    4) Faites une prévision du stock des IDE dans l’industrie pour l’année 2020.

    Bon courage

    2/2

    Vous aimerez peut-être aussi