Scribd
Importer
7 vues21 pages

Régression Linéaire : Corrélation et Modèle

Le document traite de la régression linéaire et de l'analyse bivariée, en se concentrant sur la relation entre la concentration d'ARNm et de protéine. Il présente des méthodes pour construire et valider un modèle de régression, ainsi que des outils statistiques tels que le coefficient de corrélation et le coefficient de détermination. Enfin, il aborde la prévision des concentrations de protéines en fonction des niveaux d'ARNm.

Transféré par

Oumaima Tahiri
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 vues21 pages

Régression Linéaire : Corrélation et Modèle

Le document traite de la régression linéaire et de l'analyse bivariée, en se concentrant sur la relation entre la concentration d'ARNm et de protéine. Il présente des méthodes pour construire et valider un modèle de régression, ainsi que des outils statistiques tels que le coefficient de corrélation et le coefficient de détermination. Enfin, il aborde la prévision des concentrations de protéines en fonction des niveaux d'ARNm.

Transféré par

Oumaima Tahiri
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

Régression linéaire

Analyse bivariée et corrélation

Pr. H. CHAMLAL 154


• ETUDE DE LA RELATION
Si validé • Nuage de points, Test de corrélation

• CONSTRUCTION DU MODELE

• VALIDATION DU MODELE
Si validé • ANOVA, RESIDUS….

PREVISION
Pr. H. CHAMLAL 155
Existe-t-il un lien quantitatif entre concentration d’ARNm et de protéine ?

Pr. H. CHAMLAL 156


Représentation graphique

Pr. H. CHAMLAL 157


Coefficient de corrélation r

Définition :

Comment le calculer pratiquement?

X Y XY X2 Y2
1 X(1) Y(1) X(1)Y(1) X(1)X(1) Y(1)Y(1)
..
n X(n) Y(n) X(n)Y(n) X(n)X(n) Y(n)Y(n)
TOTAL 𝑛𝑋 𝑛𝑌 𝑆 𝑆 𝑆

On test H0: X et Y indépendantes linéairement, H1: Dépendance linéaire entre X et Y


On utilise la table de signification à n-2 ddl
Pr. H. CHAMLAL 158
Seuil critique r (  n  2,  ) pour un coefficient de corrélation simple

Pr. H. CHAMLAL 159


Interprétation d’un r :
 Si r est significatif alors :
□ 100|r|% des variations de X(resp. Y) sont
contrôlées par Y(resp. X),
□ Le signe de r sens de variation
 Une liaison non linéaire n’est pas mesurée par r.

r>0 r<0 Pas de corr. mais


r significatif
dépendance

Indépendance linéaire
Pr. Hasna CHAMLAL 160
SXY=12022.889

rXY=0.903,

La valeur du seuil (Table Statistique) (𝛼 = 5%) 𝑒𝑠𝑡 0.7545

|rXY|> .7545, 𝑂𝑛 𝑟𝑒𝑗𝑒𝑡𝑡𝑒 𝐻0 𝑒𝑡 𝑜𝑛 𝑎𝑐𝑐𝑒𝑝𝑡𝑒 𝐻1 𝑎𝑢 𝑟𝑖𝑠𝑞𝑢𝑒 5% 𝑑𝑒 𝑠𝑒 𝑡𝑟𝑜𝑚𝑝𝑒𝑟

La concentration en protéine dans une cellule est linéairement reliée à

la concentration dans les ARNm correspondants

Pr. H. CHAMLAL 161


Régression linéaire

Modèle de régression linéaire

Pr. H. CHAMLAL 162


Quelle droite entre [ARNm] et [protéine] ?
Ça suppose que l’hypothèse de la dépendance linéaire est acceptée
 Construction du modèle :

Pr. H. CHAMLAL 163


La droite des moindres carrés

Pr. H. CHAMLAL 164


Solution: Les estimateurs de moindre
carrées sont donnés par :

Pr. H. CHAMLAL 165


Pr. H. CHAMLAL 166
Les résidus

Pr. H. CHAMLAL 167


Coefficient de détermination R2

A) Formule de décomposition
2
 ( yi  y)   ( ŷi  y)   ei
2 2

Somme des
Somme des Somme des carrés résiduelle
carrés totale carrés expliquée (Residual Sum of
(Total Sum of (Regression Sum of Squares)
Squares) Squares)

 i
( ŷ  y ) 2
B) R2 = C) R2 =r2
 i
( y  y ) 2

Résultat Pratique : SCT=


Pr. H. CHAMLAL 168
Le R2 mesure la force de la liaison linéaire entre X et Y

1) 0  R2  1
3) R2 = 0
2) R2 = 1
Y Y
* *
* * * *
* y *
* * *
* * *
* *
X *
Pr. H. CHAMLAL 169 X
La corrélation R mesure la force et
le sens de la liaison linéaire entre X et Y

Y
Y
* * *
* * **
* * *
* * *
*
aˆ  0 X aˆ  0 X

R  0
R  0
Pr. H. CHAMLAL 170
 Interprétation:
Le coefficient de détermination donne la
part de variation de la variable cible
expliquée par le modèle

Pr. H. CHAMLAL 171


Validation du modèle

Modèle Somme des d.d.l Moyenne des Rapport de


carrées sommes des carrées Fischer
Régression 𝑆 − 𝑛𝑌 1 MSC1=𝑆 − 𝑛𝑌
Erreur n-2 MSC2=
∑
𝑒 FOBS=

Total 𝑆 − 𝑛𝑌 n-1

Pour décider on utilise la TS de la loi


Fischer à (1,n-2)d.d.l

Pr. H. CHAMLAL 172


PREVISION

Il faut que le modèle soit validé!!

Pour une concentration 200/cellule en ARNm, quelle est votre prévision pour la concentration
en Protéine(x1000/cellule)?

Réponse: La prévision est 0.584*200+50.266=167.066


(protéine)

Pr. H. CHAMLAL 173


Pr. H. CHAMLAL 174

Vous aimerez peut-être aussi