Scribd Logo
Importer

Bienvenue sur Scribd !

  • 82 vues

    Le Modele de Regression Lineaire Simple

    Transféré par

    Devilme
    Ce document décrit le modèle de régression linéaire simple utilisé pour prédire les ventes de trois villes québécoises en fonction du prix de l'essence. Il présente la forme du modèle et la méthode des moindres carrés pour estimer les paramètres, puis donne un exemple d'application pour la ville de Sept-Îles.

    Droits d'auteur :

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

    Le Modele de Regression Lineaire Simple

    Transféré par

    Devilme
    82 vues2 pages
    Ce document décrit le modèle de régression linéaire simple utilisé pour prédire les ventes de trois villes québécoises en fonction du prix de l'essence. Il présente la forme du modèle et la méthode des moindres carrés pour estimer les paramètres, puis donne un exemple d'application pour la ville de Sept-Îles.

    Titre original

    Le modele de regression lineaire simple

    Copyright

    © © All Rights Reserved

    Formats disponibles

    DOCX, PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Ce document décrit le modèle de régression linéaire simple utilisé pour prédire les ventes de trois villes québécoises en fonction du prix de l'essence. Il présente la forme du modèle et la méthode des moindres carrés pour estimer les paramètres, puis donne un exemple d'application pour la ville de Sept-Îles.

    Droits d'auteur :

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

    Le Modele de Regression Lineaire Simple

    Transféré par

    Devilme
    Ce document décrit le modèle de régression linéaire simple utilisé pour prédire les ventes de trois villes québécoises en fonction du prix de l'essence. Il présente la forme du modèle et la méthode des moindres carrés pour estimer les paramètres, puis donne un exemple d'application pour la ville de Sept-Îles.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme DOCX, PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format docx, pdf ou txt
    Vous êtes sur la page 1sur 2

    Le modele de regression lineaire simple a pour objectif d’établir la relation entre une variable

    dependante Y et une variable independante X afin de pouvoir faire des previsions sur Y quand X
    est mesuree ( ). Nous avons utilisé ce modèle dans notre travail pour pouvoir prédire les ventes
    (Y) des trois villes en fonction du prix du litre (X).
    Un modèle de régression linéaire se présente sous la forme suivante :

    Pour pouvoir établir le modèle de prévision, nous avons commencé tous d’abord par estimer les
    paramètres du modèle par la méthode des moindres carrés généralisés qui permet de minimiser la
    somme des carrés des erreurs. Pour minimiser l’erreur, nous avons utilisé la méthode du
    maximum de vraisemblance :

    En posant ∇L(β0, β1) = 0, on obtient un système d’équation à deux inconnus et en résolvons ce


    dernier on obtient la formule d’estimation des paramètre du modèle :

    D’où la droite de régression estimée est :


    En appliquant ce modèle, nous avons utilisé la droite de régression estimée pour prédire les
    valeurs des ventes par semaine pour les trois villes Québécoises (Sept-Îles, Saguenay, Trois-
    Rivières).
    Par exemple, nous avons utilisé les données des ventes ainsi que le prix par litre de la ville de
    Sept-Îles pour estimer un modèle de régression linéaire simple où les ventes représentent la
    variable dépendante (Y) et le prix la variable indépendante (X). A partir de l’application de la
    formule d’estimation des paramètres ci-dessus nous avons obtenu :
    ^
    β 0=¿ 157.94 ^
    β 1=¿-99.81
    Y^ =¿ 157.94 -99.81X
    D’où, avec un prix du litre d’essence ordinaire de 1.20 $ CA, la prévision des ventes de la
    sixième semaine de la ville Sept-Îles est :
    F6=157.94-(99.81*1.2) = 38.17 mille litres.

    Vous aimerez peut-être aussi