Université Joseph Fourier

L2/STA230

TD Régression Linéaire : Corrigé des exercices 4 et 8

1. Notations :
cxy
â = , b̂ = ȳ − âx̄,
s2x
cxy n 2
2
rxy = σˆ2 = 2
s (1 − rxy ).
sx sy n−2 y

2. Exercice 4: Résumé des valeurs numériques :

x̄ ȳ sx sy cxy
55.8 30.0 7.1 23.2 -73.01

(a) y = −1.432x + 109.9

(b) Il s’agit de tester H0 : a = 0 contre H1 : a 6= 0. On a
  √  
 âsx n  n−2
W1% = T =    > t1% .
σ̂ 

Ici tcal = 3.069 > t33 1% ∈ [2.704, 2.750], donc au seuil de 1% on rejette
l’égalité a = 0, i.e. on conclue que la droite de régression est pertinente.

3. Exercice 8: résumé des valeurs numériques :

x̄ ȳ s2x s2y
113.5 22.306 52.249968 1.93558

(a) On a un couple de variables mesuré sur un échantillon de taille 16. On

cherche à connaı̂tre la taille des oeufs Y à partir du diamètre des nids
X. Le but est donc d’établir un modèle reliant X et Y avec y la variable
expliquée et X la variable explicative. On considère le modèle linéaire
Yi = axi + b + ǫi , i = 1, . . . , n, où les ǫi , sont des variables aléatoires
indépendantes de loi N (0, σ 2 ).
(b)
â = 0.192, b̂ = 0.563, σˆ2 = 0.0107853.

1
(c) Il s’agit de tester H0 : a = 0 contre H1 : a 6= 0. On a
  √  
 âsx n  n−2
W1% = T =  >t
1% .
σ̂ 

Ici tcal = 38.49 > t14

1% = 2.977, donc au seuil de 1% on rejette l’égalité
a = 0, i.e. on conclue que la droite de régression est pertinente.
(d) Prévision :
i. ŷ = 0.192x + 0.563 et pour x = 128mm, on trouve ŷ = 25.139.
ii.  s  
ˆ
σ 2 2
(x0 − x̄) 

I[ax + b, α] = Ŷ ± tαn−2 1+ ,
n s2x

a.n. i[ax + b, 5%] = [25.014, 25.2638].

iii. La probabilité qu’un oeuf de coucou qu’on trouve dans un nid de 128
mm de diamètre soit de longueur supérieure à 26 mm est donnée par

Y − 25.4
 
P (Y > 26) = P > 8.2772 = 1 − φ(8.2772) ∼ 0.
0.1039