13.7 : Termes clés du chapitre
- Page ID
- 191770
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
- a est le symbole de l'Y-Intercept
- Parfois écrit comme\(b_0\), car lors de l'écriture, le modèle linéaire théorique\(\beta_0\) est utilisé pour représenter un coefficient pour une population.
- b est le symbole de Slope
- Le mot coefficient sera utilisé régulièrement pour désigner la pente, car il s'agit d'un nombre qui se trouvera toujours à côté de la lettre « »\(x\). Il sera écrit comme\(b_1\) lorsqu'un échantillon est utilisé, et\(\beta_1\) sera utilisé avec une population ou lors de l'écriture du modèle linéaire théorique.
- Bivarié
- deux variables sont présentes dans le modèle, l'une étant la « cause » ou la variable indépendante et l'autre étant « l'effet » de la variable dépendante.
- linéaire
- un modèle qui prend des données et les fait régresser dans une équation linéaire.
- Multivarié
- un système ou un modèle dans lequel plusieurs variables indépendantes sont utilisées pour prédire un résultat. Il ne peut y avoir qu'une seule variable dépendante, mais il n'y a pas de limite au nombre de variables indépendantes.
- R2R2 — Coefficient de détermination
- Il s'agit d'un nombre compris entre 0 et 1 qui représente la variation en pourcentage de la variable dépendante qui peut être expliquée par la variation de la variable indépendante. Parfois calculé par l'équation\(R^{2}=\frac{S S R}{S S T}\) où\(SSR\) est la « régression de la somme des carrés » et\(SST\) la « somme des carrés totale ». Le coefficient de détermination approprié à signaler doit toujours être ajusté en premier lieu en fonction des degrés de liberté.
- Résiduel ou « erreur »
- la valeur calculée en soustrayant\(y_{0}-\hat{y}_{0}=e_{0}\). La valeur absolue d'une valeur résiduelle mesure la distance verticale entre la valeur réelle de y et la valeur estimée de y qui apparaît sur la ligne de meilleur ajustement.
- RR — Coefficient de corrélation
- Un nombre compris entre -1 et 1 qui représente la force et la direction de la relation entre «\(X\) » et « »\(Y\). La valeur de «\(r\) » sera égale à 1 ou -1 uniquement si tous les points tracés forment une ligne parfaitement droite.
- Somme des erreurs au carré (SSE)
- la valeur calculée en additionnant tous les termes résiduels au carré. L'espoir est que cette valeur soit très faible lors de la création d'un modèle.
- X — la variable indépendante
- Cette variable sera parfois appelée « variable prédictive », car ces valeurs ont été mesurées afin de déterminer quels résultats possibles pouvaient être prédits.
- Y — la variable dépendante
- De plus, l'utilisation de la lettre «\(y\) » représente les valeurs réelles tout en\(\hat{y}\) représentant les valeurs prévues ou estimées. Les valeurs prévues proviendront de l'intégration des «\(x\) » valeurs observées dans un modèle linéaire.