Logistique De Matteis Giusy / De Sousa Alexandre / Gendre Alan / Blanco Béatriz
Régression simple
Équation, ou représentation graphique (la Droite des Moindres Carrés),
permettant l'étude de la liaison entre deux variables numériques. En
cas de liaisons positives ou négatives entre les deux variables, la droite
de régression devient un indice pronostique qui permet d'estimer les
valeurs de Y en fonction des valeurs de X (la taille en fonction du
poids). En résumant sur un graphique la liaison entre les deux
variables, on peut par exemple prédire qu'un individu pesant 65 kg
mesurera environ 1, 70 mètre. Plus la liaison (coefficient de corrélation)
sera forte, plus la prédiction sera précise et fiable.
Régression multiple
La régression multiple est définie comme un outil permettant d'étudier
et de mesurer la relation existant entre une variable (Y) , dite variable
expliquée, et d'autres variables (Xi), dites variables explicatives.
Effectuer une régression multiple consiste à se baser sur les données
d'un échantillon afin de déterminer une estimation de la relation
mathématique entre la variable expliquée et les variables explicatives.
Les résultats d'une régression multiple sont donnés d'une part à travers
l'équation de régression qui détermine la relation entre la variable
expliquée et les variables explicatives, et d'autre part à travers divers
coefficients et graphiques qu'il s'agira d'analyser afin :
• d'établir le degré de fiabilité de l'estimation
• d'examiner la significativité des résultats
• d'examiner si la relation entre la variable expliquée et chaque
variable explicative est réelle ou seulement apparente
La régression multiple peut faire l'objet de différents usages selon vos
attentes. Elle peut être utilisée afin de décrire des relations entre les
variables explicatives et d'analyser leur action sur la variable expliquée,
afin de faire des estimations ou des prédictions, ou bien bien même afin
de pouvoir utiliser l'équation de régression comme un outil de contrôle
(si vous souhaitez par exemple savoir de quelle manière modifier la
valeur d'une variable explicative afin d'obtenir une valeur fixée de Y).
Série temporelle : Chronologie des données du passé pour le futur.
Lissage :
Décomposition :
Dans ce travail nous utiliserons une approche quantitative temporelle de lissage
2/6