J'ai toujours pas compris.jvtvstib a écrit:Merci pour votre réponse.
En fait, la régression multiple est une régression simple à laquelle on rajoute des variables de contrôles, car la variable X dans Y=C(0)+C(1)X n'explique pas toujours très bien à elle toute seule la variable Y.
On peut calculer une régression avec 3 variables, C'est à dire f(x,y,z) dont on se servira généralement sous la forme z=f(x,y).Donc, on se retrouve par exemple avec Y qui dépend par exemple de X, mais aussi R, S, T par exemple.
Votre dernier terme c(2)*Z revient à rajouter une constante.Pour la variable binaire, c'est par exemple : Y = Y=C(0) + C(1)*X + C(2)*Z , où Z prend la valeur 1 ou 0. Son coefficient C(2) calcule par exemple le revenu moyen estimé en plus pour un jeune. Si c'est un adulte, elle vaudra donc zéro.
Merci, c'est gentil, je n'avais même pas remarqué.Sinon félicitations pour le 1000 ième message !
Ceci est uns hérésie mathématique.Remarques:
Pourquoi minimiser la somme des carrés plutôt que la simple somme? Cela tient au fait que la moyenne de ces résidus sera 0, et donc que nous disposerons de résidus positifs et négatifs. Une simple somme les annulerait, ce qui n'est pas le cas avec les carrés.
Dlzlogic a écrit:Ecoute, fais au moins une recherche à propos des moindres carrés, http://fr.wikipedia.org/wiki/M%C3%A9thode_des_moindres_carr%C3%A9s. le premier sur Google.
Dlzlogic a écrit:Pour ma part, j'ai retrouvé un document (1961) qui donne cette formule sous le non de "écart moyen quadratique", n'ayant aucun rapport avec le cours cité par ailleurs. Cette histoire de terme est d'ailleurs assez ridicule.
Dlzlogic a écrit:Les membres jugeront si ta remarque :
est une réponse "normale" à ma phrase
Dlzlogic a écrit:il n'y a qu'une seule loi, la loi normale.
En faisant la régression, on trouve deux coefficient positifs pour les variables "jeune" et "adulte", mais l'un est en fait plus petit que l'autre (par exemple 0,805 pour jeune et 0,736 pour adulte). Donc, toutes choses étant égales par ailleurs dans la régression estimée, un jeune aura un revenu plus élevé qu'un adulte.
Je suis un peu ennuyé de répondre à ta question puisque nuage, par MP, m'a demandé expressément de me taire, puisque même s'il avait tord, il avait raison puisqu'il corrige les copies.L'hôpital qui se fout de la charité... Montre-moi où cet article contredit ce que j'ai dit et où il explique pourquoi c'est une hérésie de dire qu'un avantage de sommer les carrés est de cumuler les erreurs ponctuelles sans possibilité de les compenser ("hérésie" qui d'ailleurs vient d'un autre article wikipédia). Ah d'ailleurs, cet article explique la différence entre les moindres carrés ordinaires et les moindres carrés pondérés (tu sais, la méthode qui n'existe pas parce que tu n'en as jamais entendu parler), mais je te sais suffisamment honnête pour l'avoir lu avant de me le balancer (non, je déconne).
Réponse :Les moindres carrés n'ont fondamentalement rien à voir avec les proba.
Il n'y a qu'une sorte de méthode des moindres carrés, si pondération il y a, ce sont le valeurs qui sont pondérées.Son nom vient de la loi statistique qu'elle décrit, si les erreurs de mesure qui entachent les yi sont distribuées suivant une loi normale (ce qui est très courant). Dans ce dernier cas, la méthode des moindres carrés permet de plus destimer quantitativement ladéquation du modèle aux mesures, pour peu que l'on dispose d'une estimation fiable des erreurs i. Si le modèle derreur est non gaussien, il faut généralement recourir à la méthode du maximum de vraisemblance, dont la méthode des moindres carrés est un cas particulier.
Dlzlogic a écrit:Bonjour Sullkid,
Je suis un peu ennuyé de répondre à ta question puisque nuage, par MP, m'a demandé expressément de me taire, puisque même s'il avait tord, il avait raison puisqu'il corrige les copies.
Son nom vient de la loi statistique qu'elle décrit, si les erreurs de mesure qui entachent les yi sont distribuées suivant une loi normale (ce qui est très courant). Dans ce dernier cas, la méthode des moindres carrés permet de plus destimer quantitativement ladéquation du modèle aux mesures, pour peu que l'on dispose d'une estimation fiable des erreurs i. Si le modèle derreur est non gaussien, il faut généralement recourir à la méthode du maximum de vraisemblance, dont la méthode des moindres carrés est un cas particulier.
Parce qu'il ajouté "nous les mathématiciens", mais comme je déteste l'agressivité, il m'arrive de me retenir.Quel rapport ça a avec moi ou les critiques que je te fais ?
Utilisateurs parcourant ce forum : Aucun utilisateur enregistré et 49 invités
Tu pars déja ?
Identification
Pas encore inscrit ?
Ou identifiez-vous :