4. Régression linéaire multiple : coefficients multidimensionnels

4.1. Ajustement multilinéaire d'un nuage de points

1.1. Nuage de points multidimensionnel

Lorsque nous voulons régresser une VD sur k prédicteurs, nous ne cherchons plus seulement à modéliser un nuage de points dans un plan (2 dimensions) mais plus généralement dans un espace à k dimensions. Par exemple, si nous ajoutons un nouveau prédicteur à la régression des articles précédents, F11VN, nous cherchons en fait à modéliser un nuage de points dans un espace à trois dimensions :


1.2. Ajustement multilinéaire

Le fait d’être dans un espace à k dimensions ne change pratiquement rien au fond des concepts vus plus haut. Ainsi, imaginons un espace à 3 dimensions, c'est-à-dire où chaque point est défini par sa valeur sur chacune des trois variables X0 , X1 et Y , l’équation de la droite qui s'ajustera le mieux au nuage de points dans cet espace s’écrira

Y = b0 b1 X1 + b2 X2

Nous n’avons plus une « droite de régression » mais un « plan de régression » :

Ou encore plus généralement, dans un espace à k dimensions, nous avons un « hyperplan de régression » :

Y b0 + b1 X1 + b2 X2 + … + bk Xk

Cela devient franchement difficile à se représenter mentalement, mais cela n’a en pratique qu’une importance mineure, car les principes restent les mêmes.

Accessibilité

Couleur de fond Couleur de fond

Police Police

Taille de police Taille de police

1

Couleur de texte Couleur de texte

Crénage de la police Crénage de la police

Visibilité de l’image Visibilité de l’image

Espacement des lettres Espacement des lettres

0

Hauteur de ligne Hauteur de ligne

1.2

Surbrillance de lien Surbrillance de lien