• 12 heures
  • Difficile

Ce cours est visible gratuitement en ligne.

course.header.alt.is_video

course.header.alt.is_certifying

J'ai tout compris !

Mis à jour le 14/02/2020

Testez le modèle linéaire gaussien simple

Connectez-vous ou inscrivez-vous gratuitement pour bénéficier de toutes les fonctionnalités de ce cours !

À ce stade, la régression linéaire a livré toutes ses possibilités.

Nous avons estimé β1 , β2 et σ2 , et nous sommes également en mesure de calculer le coefficient de détermination.

Mais nous ne pouvons pas tester les paramètres ni établir d'intervalles de confiance sur ces paramètres.

Pour pouvoir le faire, nous allons donc ajouter une hypothèse de loi : l'hypothèse gaussienne, c'est-à-dire que nous considérons que ϵ suit une loi normale N(0,σ2) .

Si nous reprenons le modèle de la régression linéaire simple entre le pic d'ozone et la température à midi, nous allons pouvoir tester si la température à midi est significative pour expliquer le pic d'ozone.

Avec cette hypothèse, on parle de modèle linéaire gaussien simple.

Dans le modèle linéaire gaussien simple, on considère, en sus des hypothèses formulées dans le cadre du modèle linéaire simple :

εN(0,σ2) 

Dans ce cadre, (εi)i{1,,n} est un échantillon i.i.d de loi N(0,σ2) .

Testez la significativité de β1 et β2

Pour j{1,2} , on teste : 

{H0:βj=0H1:βj0

On utilise comme statistique de test :

Tj=ˆβjˆσˆβj

où :

σ2ˆβ1=σ2ni=1x2inni=1(xiˉx)2 ,σ2ˆβ2=σ2ni=1(xiˉx)2 

Plus cette quantité est grande, plus on est enclin à rejeter l'hypothèse de nullité du paramètre.

On peut montrer que, sous H0 , Tj admet comme loi la loi de Student à n2 degrés de liberté.

TjT(n2) 

On décide du rejet de H0 au niveau de test α si  

|tj|>tn2,1α2

tn2,1α2 désigne le quantile d'ordre 1α2 de la loi T(n2) .

En pratique, dire que l'on rejette cette hypothèse H0 pour β2 revient à conserver la variable X comme explicative.

Obtenez des intervalles de confiance pour β1 et β2

Pour j{1,2} , le paramètre βj admet comme intervalle de confiance de niveau 1α :

[ˆβjtn2,1α2 ˆσˆβj;ˆβj+tn2,1α2 ˆσˆβj]

Il est également possible d'établir une région de confiance simultanée des deux paramètres β1 et β2 (via une loi de Fisher), ainsi qu'un intervalle de confiance pour σ2 (via une loi du khi-deux).

Et voilà pour le test de notre modèle. Maintenant, passons à la pratique. Nous allons appliquer une régression linéaire simple sur le jeu de données de l'ozone.

Exemple de certificat de réussite
Exemple de certificat de réussite