M2 - MP2L
Machine Deep Learning
La régression linéaire
Exercice : La régression linéaire simple
Les données suivantes concernent un échantillon de 24 offres de vente d’appartements situés dans le
5ème et le 6ème arrondissement de Paris en 1975 (Saporta 90).
Y prix en milliers de Francs
X Surface en mètres carrés
Prix
Surface
Prix
Surface
130
28
378
90
85
Publicité
28
280
50
250
35
78
30
800
196
350
86
375
105
268
55
300
65
Publicité
200
52
790
190
155
32
270
80
500
110
245
52
295
60
320
60
200
Publicité
40
85
20
250
48
325
70
495
100
Correction dans (Saporta 90) : G. Saporta. Probabilités, Analyse des données et Statistique.
Editions Technip Paris, 1990. p 371
1. Quelle est la forme du nuage de points ? Vous en donnerez une représentation.
2. Calculez la moyenne et la variance de la variable X.
AN : moyenne de X=70,0833 m2
AN : variance de X=1997,3301 (m2)2
d’où écart-type de sX = 44,6915 m2
3. Calculez la covariance de X et Y.
Publicité
AN : cov(X,Y)= 7958,0242
4. Ajuster le modèle de régression linéaire sur ces données expérimentales. Les coefficients de la
droite y*=ax+b seront estimés par la méthode des moindres carrés.
AN : b= 30,0921
a=3,9844
Droite des moindres carrés :
y*= 3,9844 x + 30,0921
5. Utilisez le modèle pour prévoir le prix d’un appartement de 100 m2. Que constatez-vous ?
Pour x= 100 m2
On obtient par la droite des moindres carrés y*= 3,9844 (100) + 30,0921=428,5321 F
Or le prix réel, dans le tableau des données pour un appartement de 100 m2 est : 495 F
6. Utilisez le modèle pour prévoir le prix d’un appartement de 120 m2.
Pour x= 120 m2
On obtient par la droite des moindres carrés y*= 3,9844 (120) + 30,0921=508,2201 F
2