Recherche:Techniques de régressions au mieux/Régressions monômiales et polynômiales

Une page de Wikiversité.
Sauter à la navigation Sauter à la recherche
Début de la boite de navigation du chapitre
Régressions monômiales et polynômiales
Icône de la faculté
Chapitre no 2
Recherche : Techniques de régressions au mieux
Chap. préc. :Principes généraux
Chap. suiv. :Régressions harmoniques simple, multiple et combinatoires
fin de la boite de navigation du chapitre
Icon falscher Titel.svg
En raison de limitations techniques, la typographie souhaitable du titre, « Techniques de régressions au mieux : Régressions monômiales et polynômiales
Techniques de régressions au mieux/Régressions monômiales et polynômiales
 », n'a pu être restituée correctement ci-dessus.
  • Régressions monômiales
Courbes de régression impaires
  • Du premier degré : droite de régression dite des moindre carrés
  • Autres degrés impairs : troisième : cubique de régression, etc.
Courbes de régression paires
  • De degré deux : parabole de régression
  • Autres degrés pairs
  • Régressions polynômiales
Courbe de régression impaire
Courbe de régression paire
Courbe somme résultante

Monôme au plus près[modifier | modifier le wikicode]

Il s'agit d'approcher l'échantillon par une courbe-fonction , k étant un entier ou une fraction à numérateur impair pour EP ou pair pour EI, positif ou négatif.

Méthode avec passage par trois points y(-1),y(0)y(1)pour EI ou EP à 7 données[modifier | modifier le wikicode]

Pour EI on vérifie que :
k étant impair, les équations pour x< sont vérifiées de fait de l'imparité.
D'où :
ET enfin:
D'où par la méthode des moindres carrés :




Qui est une moyenne des deux k.
Cela nécessite, pour être possible, que et
Dans le cas contraire, considérer 9 couples ou se servir de la méthode suivante, plus approchée car ayant une contrainte en moins,pas de passage par (x_1,y_1)

Méthode avec passage par 1 point (0,0)pour EI ou EP à 7 données[modifier | modifier le wikicode]

D'où :
D'où , par la méthode de résolution des systèmes linéaires ( en Log(a) et k, 2 inconnues pour 3 équations ):



Les k seront approximés par une fraction à numérateur pair pour EP et impair pour EI au plus près de la valeur calculée. Le résidu sera traité par un monôme si possible sinon considérer la suite .

S'il n'y a pas de solution vu les conditions de signe, on envisagera de considérer 9 données ou de tester un autre type de fonction que le monôme. On peut aussi considérer un nombre impair quelconque de données dès le départ mais il vaut mieux travailler par plages pour voir l'évolution des données.

Passage par 3 points avec 11 et 3+4n données[modifier | modifier le wikicode]

On démontrerait pour 3+4*2=11 données que :
à corriger :



On démontrerait pour 3+4*n données que :
à corriger :




Les k seront approximés par une fraction à numérateur pair pour EP et impair pour EI au plus près de la valeur calculée. Le résidu sera traité par un monôme si possible sinon considérer la suite .

S'il n'y a pas de solution vu les conditions de signe, on envisagera de considérer 4 données en plus ou de tester un autre type de fonction que le monôme. On peut aussi considérer un nombre impair quelconque de données dès le départ mais il vaut mieux travailler par plages pour voir l'évolution des données.

Polynôme au plus près[modifier | modifier le wikicode]

Il s'agit d'approcher l'échantillon par une courbe-fonction , k étant un entier ou une fraction à numérateur impair pour EP ou pair pour EI, positif ou négatif ; a n et le k sont inconnus.
Soit l'exemple d'un échantillon impair
D'où :

Méthode des 7 , 11, ou 3+4n données[modifier | modifier le wikicode]

et d’après le calcul ci-dessus :
Cette méthode ne donne donc pas le résultat escompté.

Méthode plus générale à exposants entiers[modifier | modifier le wikicode]

On considère que le polynôme impair, régression de EI, est de degré 2k+1 , par exemple 5.
3 inconnues d'où au minimum 2(3+1)+1 données dont
Il faut donc considérer un polynôme de degré 3 au minimum ( 2 inconnues b et c, 3 équations de y_1 à y_3) même si le résultat est une régression linéaire en x (b=0)
On considère que le pôlynôme pair, régression de EP, est de degré 2k+2par exemple 6.
3 inconnues d'où au minimum 2(3+1)+1 données dont
Il faut donc considérer un polynôme de degré 4 au minimum ( 2 inconnues b et c, 3 équations de y_1 à y_3) même si le résultat est une régression parabolique en x^2 (b=0)
Ces systèmes se résolvent par la méthode au plus près ( 4 équations , 3 inconnues ) et doivent donner des solution ssatisfaisantes. Pour k ( 2k+1 et 2k données ), il faudra 2k+1 données avec une valeur centrale.
Reprise de l'exemple précédent :
D'où :
On considère que la solution est de degré 5 maximum soit et le sytème ci-dessus devient :

b et c à corriger

Méthode plus générale à exposants fractionnaires[modifier | modifier le wikicode]

Cette méthode servira aussi à considérer les régressions combinaisons linéaires de puissances de fonctions.
Sachant que toute forme , avec k impair,peut se mettre sous la forme de avec P1 pair, et que toute forme , avec k quelconque, peut se mettre sous la forme de , avec P2 impair, tout revient, en divisant les yi par le sin de leur xi, à analyser des Polynômes en cos(x).
Pour EI, k est impair, ce qui veut dire que le numérateur et le dénominateur sont impairs.
Si on se limite aux parties de k prenant les valeurs 1,3,5 par exemple on pourra avoir . il s'agira, pour se ramener à des exposant entiers de considérer le PPCM de 1,3,5 soit 15 et les transformés de y par le produit, ce qui donnera les exposants [1,3,5,9,16,19,20,25]
Pour EP, k est pair, ce qui veut dire que le numérateur et le dénominateur sont impairs.
Si on se limite aux parties de k prenant les valeurs 2,4,6 par exemple on pourra avoir . il s'agira, pour se ramener à des exposant entiers de considérer le PPCM de 2,4,6 soit 24 et les transformés des y par le produit , ce qui donnera les exposants [2,4,6,8,12,48]