Régression linéaire multiple résidus corrélations
DownloadTélécharger
Actions
Vote (5/5):
ScreenshotAperçu

Informations
Catégorie :Category: Maths TI-Nspire
Auteur Author: Gil Campart
Type : Classeur
Taille Size: 45.90 Ko KB
Mis en ligne Uploaded: 01/03/2010 - 14:33:37
Mis à jour Updated: 01/01/2012 - 14:59:29
Uploadeur Uploader: gil (Profil)
Téléchargements Downloads: 686
Visibilité Visibility: Archive publique
Shortlink : https://tipla.net/a1702
Type : Classeur
Taille Size: 45.90 Ko KB
Mis en ligne Uploaded: 01/03/2010 - 14:33:37
Mis à jour Updated: 01/01/2012 - 14:59:29
Uploadeur Uploader: gil (Profil)
Téléchargements Downloads: 686
Visibilité Visibility: Archive publique
Shortlink : https://tipla.net/a1702
Description
Comme la précédente version, mais, en plus que les test que les coefficients betas trouvés sont significatifs, tests que ce vecteur des coefficient n'est pas "globalement" différent d'un autre vecteur. Par exemple, on trouve une relation y=4.8+7,2x..., et bien l'on peut tester si l'on peut affirmer, à un niveau de confiance [95%, 99%, etc., que ], que y = 5 +7x.
Pour le reste, en principe pratiquement rien de changé par rapport à la précédente mouture, par erreur indiquée sous "utilitaires".
Pour rappel, ce programme "statistique" est axé sur la régression linéaire multiple
avec possibilité étendue d'analyse des résidus:
outre les résidus standardisés et studentisés internes ou externes ainsi que la distance de cook, le programme calcule, pour possibles valeurs aberrantes en y (outliers),
dffits, covratio, covratio-1,
toujours avec la matrice complète de projection P (ou H, à savoir hat, de dimention n x n)
(points leviers (avec les n "leverages") issus de l'élément "diagonal" i,i de la matrice de projection complète P (hat) n x n).
Les autres points (et la structure) du programme portent sur : corrélations, corrélations partielles, résidus standardisés, anova, vif (facteur d'inflation, multicolinéarité des variables indépendantes), test de "significativité" des coefficients (nullité de certains coefficients, avec modèle restreint/contraintes), des corrélations (valeurs minimales et maximales de la matrice des corrélations x-y et t-critiques), qq-plot, r2, r2 ajusté, écarts types des coefficients de la régression, coefficients "betas", valeurs t et p associées, intervalles de confiance et de prédiction, transformation de Box-Cox avec choix des phases, coefficients de corrélations (rangs) de Spearman et de Kendall, valeurs F calculées et des tables, etc.
Bonne utilisation.
Gil
Exemple d'utilisation
valeur indépendante 1 (devant déterminer les dépenses) salaire:={1000, 2000, 3000 15000}
valeur indépendante 2 (devant déterminer aussi les dépenses) fortune:={100000, 250000, 150000, 100000}
depens_mois:={950, 1600, 2500, 10000}
reg("1,salaire,fortune, depens_mois"), en n'oubliant pas les guillemets (salaire, depenses étant des listes de même dimension, comme la variable dépendante y depens_mois, laquelle doit venir toujours à la fin)
Pour le reste, en principe pratiquement rien de changé par rapport à la précédente mouture, par erreur indiquée sous "utilitaires".
Pour rappel, ce programme "statistique" est axé sur la régression linéaire multiple
avec possibilité étendue d'analyse des résidus:
outre les résidus standardisés et studentisés internes ou externes ainsi que la distance de cook, le programme calcule, pour possibles valeurs aberrantes en y (outliers),
dffits, covratio, covratio-1,
toujours avec la matrice complète de projection P (ou H, à savoir hat, de dimention n x n)
(points leviers (avec les n "leverages") issus de l'élément "diagonal" i,i de la matrice de projection complète P (hat) n x n).
Les autres points (et la structure) du programme portent sur : corrélations, corrélations partielles, résidus standardisés, anova, vif (facteur d'inflation, multicolinéarité des variables indépendantes), test de "significativité" des coefficients (nullité de certains coefficients, avec modèle restreint/contraintes), des corrélations (valeurs minimales et maximales de la matrice des corrélations x-y et t-critiques), qq-plot, r2, r2 ajusté, écarts types des coefficients de la régression, coefficients "betas", valeurs t et p associées, intervalles de confiance et de prédiction, transformation de Box-Cox avec choix des phases, coefficients de corrélations (rangs) de Spearman et de Kendall, valeurs F calculées et des tables, etc.
Bonne utilisation.
Gil
Exemple d'utilisation
valeur indépendante 1 (devant déterminer les dépenses) salaire:={1000, 2000, 3000 15000}
valeur indépendante 2 (devant déterminer aussi les dépenses) fortune:={100000, 250000, 150000, 100000}
depens_mois:={950, 1600, 2500, 10000}
reg("1,salaire,fortune, depens_mois"), en n'oubliant pas les guillemets (salaire, depenses étant des listes de même dimension, comme la variable dépendante y depens_mois, laquelle doit venir toujours à la fin)