STAT MLAV chapitre 1

Quel est le contexte étudié en régression linéaire ?

Quel est l’objectif du modèle de régression linéaire ?

Dans le cadre théorique du modèle linéaire, quelles sont les hypothèses concernant les données x₁, x₂, …, xₙ et les variables aléatoires Y₁, …, Yₙ ?

Quelles sont les hypothèses supplémentaires permettant d’être dans le cadre du modèle linéaire Gaussien (MLG) ?

Quels sont les paramètres du modèle linéaire Gaussien et sont-ils connus ?

Quelles sont les propriétés des variables aléatoires Y₁, Y₂, …, Yₙ dans le modèle linéaire Gaussien ?

Quelle est la loi de Yⱼ dans le modèle linéaire Gaussien et les variables Y₁, …, Yₙ ont-elles en général la même loi ?

Quels sont les objectifs du cours dans le cadre du MLG ?

Estimer les paramètres inconnus α, β et σ², quantifier la qualité des estimations des différents paramètres du modèle en construisant des intervalles de confiance, tester le caractère significatif de la liaison linéaire, tester un modèle linéaire spécifique, et prévoir et quantifier la qualité de la prévision.

Comment définit-on le coefficient de corrélation linéaire empirique r pour une série statistique double (xⱼ, yⱼ)ⱼ₌₁,…,ₙ ?

Comment définit-on la droite des moindres carrés et quels sont ses coefficients a et b ?

REGARDER LES EXEMPLES

Dans quel cadre théorique se place-t-on pour estimer les paramètres α, β et σ² du modèle linéaire Gaussien ?

Quelle méthode utilise-t-on pour estimer les paramètres inconnus α et β du modèle ?

En quoi consiste le principe de la méthode des moindres carrés ordinaires ?

Qu’est-ce qu’un résidu ?

Quelle est la forme d’un résidu eⱼ dans le cadre du modèle linéaire ?

Comment définit-on la somme des carrés des résidus scr(u,v) ?

Comment définit-on les estimateurs des moindres carrés A et B des paramètres α et β ?

Quelles sont les expressions des estimateurs A et B obtenus par minimisation de la somme des carrés des résidus ?

A et B sont-ils uniques?

Oui

Quelles sont les expressions des coefficients a et b de la droite des moindres carrés en fonction de dxy, dx² et des moyennes x̄ et ȳ ?

Que représentent les coefficients a et b de la droite des moindres carrés par rapport aux paramètres α et β ?

Pourquoi l’estimateur naturel de σ² doit-il être modifié lorsque α et β sont inconnus ?

Comment définit-on l’estimateur S² de la variance σ² lorsque α et β sont inconnus ?

Comment obtient-on l’estimation s² de σ² à partir de la réalisation de S² ?

Comment définit-on l’estimateur S de σ et quelles sont ses propriétés ?

Comment définit-on l’estimation s de σ à partir des données (xⱼ, yⱼ)₁≤ⱼ≤ₙ ?

Sous les hypothèses du MLG, quelles sont les propriétés des estimateurs A et B des paramètres α et β, et quelles sont leurs lois ?

Les estimateurs A et B sont-ils en général des variables aléatoires indépendantes ?

Pourquoi les résultats du Théorème 1 ne permettent-ils pas de construire des intervalles de confiance pour les paramètres α et β lorsque σ² est inconnue ?

Sous les hypothèses du MLG, quelles sont les propriétés de S² et quelle est sa loi ?