Quelles sont les stratégies de régression existantes ?
Déterminer un modèle qui s’ajuste au plus près des données observées
FIC1412 v1 Fiche pratique

Quelles sont les stratégies de régression existantes ?
Déterminer un modèle qui s’ajuste au plus près des données observées

Auteur(s) : Morgan GERMA

Date de publication : 10 avr. 2015 | Read in English

Logo Techniques de l'Ingenieur Cet article est réservé aux abonnés
Pour explorer cet article plus en profondeur Consulter l'extrait gratuit

Déjà abonné ?

Présentation

1 - Qu’est-ce que la linéarité d’une méthode de mesure ?

2 - Quelles sont les problématiques rencontrées lors d’un étalonnage ?

3 - Quelles sont les stratégies de régression existantes ?

  • 3.1 - Moindres carrés ordinaires (OLS)
  • 3.2 - Moindres carrés pondérés (WLS)
  • 3.3 - Moindres carrés généralisés (GLS)
  • 3.4 - Méthode dite GGMR (Generalized Gauss Markov Regression)
  • 3.5 - Autres méthodes

4 - Quelle approche choisir ?

  • 4.1 - La réalité

5 - Quels sont les points « clefs » des modélisations ?

  • 5.1 - Le sens du modèle
  • 5.2 - L’opportunité de la correction
  • 5.3 - La prise en compte des résidus au modèle

6 - Comment s’en sortir avec Excel ?

7 - Comment valider son modèle ?

8 - Notre conseil

9 - Erreurs à éviter

  • 9.1 - Ne pensez pas que le seul R² permet de valider un modèle

10 - Abréviations et acronymes

11 - Glossaire

Sommaire

Présentation

Auteur(s)

  • Morgan GERMA : Collaborateur à l’Université Joseph Fourier de Grenoble, Master CQAQMV

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

INTRODUCTION

Bien souvent négligée, l’erreur dans la spécification d’une fonction de mesure (nommée souvent « modèle ») peut avoir un effet significatif sur les résultats d’une méthode de mesure. La modélisation, étape clef de l’étalonnage, ne se limite pas à l’estimation ponctuelle des paramètres de la fonction de mesure choisie (coefficients du modèle). Elle doit aussi évaluer les incertitudes sur les paramètres de cette fonction afin d’estimer la part d’incertitude qui lui est due dans l’expression d’un résultat de mesure. Cette incertitude est qualifiée par abus « d’incertitude de modélisation ». Cette fiche aborde les mécanismes à l’œuvre lorsque l’on réalise une régression linéaire et vous amène à réfléchir quant au choix de votre modèle.

Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 93 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-fic1412

Lecture en cours
Présentation

Article inclus dans l'offre

"Qualité et sécurité au laboratoire"

(140 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

3. Quelles sont les stratégies de régression existantes ?

Il existe dans la littérature de nombreuses stratégies pour estimer les paramètres d’un modèle choisi, chacune présentant des avantages et inconvénients. La technique la plus souvent utilisée est la technique dite de « régression des moindres carrés ». Cette technique se décline en différentes possibilités plus ou moins élaborées.

3.1 Moindres carrés ordinaires (OLS)

Cette méthode ne traite que des valeurs de x et de y observées, sans tenir compte des incertitudes associées. Pour être utilisable, cette technique demande que quelques conditions soient respectées :

  • pas d’incertitude en X (ce qui n’est jamais le cas lors d’un étalonnage, mais on peut parfois la supposer négligeable) ;

  • incertitude identique sur les y (ce qui est rarement le cas en étalonnage car il est fréquent que l’incertitude soit proportionnelle à la valeur de x – cas des incertitudes qui s’expriment en %) ;

  • pas de covariance entre les incertitudes en y (ce qui est rarement le cas lors des étalonnages, pour les raisons évoquées ci-avant).

HAUT DE PAGE

3.2 Moindres carrés pondérés (WLS)

Cette méthode prend en compte la « qualité » des données disponibles en y, notamment en associant des poids différents, inversement proportionnels à l’incertitude sur chacun des y (qui doit donc être connue), à chaque valeur de y pour le calcul des coefficients du modèle. Là encore, quelques conditions :

  • pas d’incertitude en x (ce qui n’est jamais le cas lors d’un étalonnage, mais on peut parfois la supposer négligeable) ;

  • pas de covariance entre les incertitudes en y (ce qui est rarement le cas lors des étalonnages, pour les raisons évoquées ci-avant).

HAUT DE PAGE

3.3 Moindres carrés généralisés (GLS)

Cette méthode prend en compte la « qualité » des données disponibles en x et...

Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 94 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


Lecture en cours
Quelles sont les stratégies de régression existantes ?

Article inclus dans l'offre

"Qualité et sécurité au laboratoire"

(140 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

Sommaire
Sommaire
Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 92 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


Article inclus dans l'offre

"Qualité et sécurité au laboratoire"

(140 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre