Scribd
Importer
7 vues2 pages

Régressions Linéaires et Polynomiales en R

Ce TP vise à explorer les relations entre variables à l'aide de régressions linéaires et polynomiales, en vérifiant la multicolinéarité et l'autocorrélation. Deux jeux de données, Laptops.xlsx et mtcars, seront utilisés pour ajuster différents modèles de régression et analyser les résidus. Les étapes incluent l'importation des données, la création de nuages de points, l'ajustement de modèles, et la comparaison des résultats.

Transféré par

amirameriemhakem
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
7 vues2 pages

Régressions Linéaires et Polynomiales en R

Ce TP vise à explorer les relations entre variables à l'aide de régressions linéaires et polynomiales, en vérifiant la multicolinéarité et l'autocorrélation. Deux jeux de données, Laptops.xlsx et mtcars, seront utilisés pour ajuster différents modèles de régression et analyser les résidus. Les étapes incluent l'importation des données, la création de nuages de points, l'ajustement de modèles, et la comparaison des résultats.

Transféré par

amirameriemhakem
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

TP3 sur La Régressions Linéaire et

Polynomiale en R

3 mars 2025

1 Objectifs
Ce TP a pour but de :
– Explorer les relations entre différentes variables à l’aide de régressions
linéaires et polynomiales.
– Vérifier la multicolinéarité et l’autocorrélation des variables explica-
tives.
– Analyser les résidus des modèles et leur qualité d’ajustement.

2 Données
Nous utiliserons deux jeux de données :
– [Link] : un fichier contenant des caractéristiques de laptops et
leur prix.
– mtcars : une base de données intégrée à R sur les voitures.

3 Régression Linéaire Simple et Multiple


3.1 Importation et exploration des données
1. Chargez le fichier [Link] et affichez ses premières lignes.
2. Attribuez les noms de colonnes suivants : Prix, Taille, RAM, Disque,
Ports, Marque, Poids.
3. Observez les statistiques descriptives des variables.

1
3.2 Nuage de points
1. Affichez un nuage de points entre la variable Prix et la variable Disque.
2. Ajoutez une courbe de tendance avec une régression linéaire.

3.3 Modèles de régression


1. Ajustez une régression linéaire simple où Prix est expliqué par Disque.
2. Ajustez une régression multiple avec Prix expliqué par Disque, Taille,
Ports, Poids et RAM.
3. Comparez les résultats des modèles en interprétant les coefficients et la
qualité d’ajustement.

3.4 Multicolinéarité
1. Vérifiez la multicolinéarité à l’aide du facteur d’inflation de la variance
(VIF).
2. Quels sont les seuils critiques indiquant une multicolinéarité problématique ?

3.5 Analyse des Résidus


1. Vérifiez la normalité des résidus à l’aide d’un histogramme.
2. Calculez les valeurs prédites et tracez un graphique des résidus norma-
lisés en fonction des valeurs prédites.

3.6 Régression Polynomiale


1. Chargez le jeu de données mtcars disponible sous R.
2. Ajustez un modèle de régression linéaire simple entre mpg et wt.
3. Tracez la droite de régression sur le nuage de points.
4. Ajustez une régression quadratique (de degré 2) et ajoutez la courbe
sur le graphique.
5. Ajustez une régression polynomiale de degré 6 et comparez les résultats.
6. Effectuez une analyse de variance pour comparer les modèles.

Vous aimerez peut-être aussi