Analysis/frontend/public/docs/REGRESSION_GUIDE.md

Guide Complet de la Régression

📈 Maîtriser l'analyse de régression pour modéliser, prédire et comprendre les relations entre variables.

---

Table des Matières

1. Concepts Fondamentaux
2. Types de Modèles
3. Configuration du Modèle
4. Interprétation des Résultats
5. Équations du Modèle
6. Diagnostics Graphiques
7. Bonnes Pratiques
8. Exemples Détaillés

---

Concepts Fondamentaux

Qu'est-ce que la Régression ?

La régression est une méthode statistique qui permet de :

✅ Modéliser la relation entre une variable cible (Y) et des prédicteurs (X) ✅ Prédire les valeurs de Y pour de nouvelles données ✅ Comprendre l'impact de chaque variable sur Y ✅ Quantifier l'incertitude des prédictions

Notation Mathématique

Y = f(X) + ε

Où :
- Y = Variable cible (à expliquer/prédire)
- X = Variables explicatives (prédicteurs)
- f = Fonction du modèle
- ε = Erreur résiduelle (bruit)

Terminologie

Terme	Définition	Exemple
Variable cible (Y)	Variable à expliquer/prédire	Prix, Ventes, Score
Prédicteurs (X)	Variables qui expliquent Y	Surface, Budget, Âge
Coefficients	Impact de chaque X sur Y	+2500 pour Surface
Intercept	Valeur de Y quand tous les X = 0	Prix de base
Résidus	Différence entre réel et prédit	Erreur de prédiction
R²	Proportion de variance expliquée	0.85 = 85% expliqué

---

Types de Modèles

L'application propose 4 types de modèles de régression :

1. Régression Linéaire 📐

Objectif : Modéliser une relation linéaire entre X et Y.

Équation :

Y = β₀ + β₁X₁ + β₂X₂ + ... + βₙXₙ + ε

Quand l'utiliser ?

• ✅ Relation linéaire évidente (scatter plot en ligne droite)
• ✅ Cible numérique continue
• ✅ Résidus normalement distribués

Hypothèses :

• Linéarité de la relation
• Indépendance des erreurs
• Homoscédasticité (variance constante)
• Normalité des résidus

Exemple :

# Prédire le prix immobilier
Prix = 50000 + 2500*Surface + 15000*Chambres

# Intercept : 50000€ (prix de base)
# Surface : +2500€ par m²
# Chambres : +15000€ par chambre

Graphique typique :

Prix
  │    •
  │   • •
  │  •   •
  │ •     •
  │•       •
  └─────────→ Surface
   (Ligne droite)

---

2. Régression Logistique 🎲

Objectif : Prédire la probabilité d'un événement binaire.

Équation :

P(Y=1) = 1 / (1 + e^-(β₀ + β₁X₁ + ... + βₙXₙ))

Quand l'utiliser ?

• ✅ Cible binaire (0/1, oui/non, vrai/faux)
• ✅ Cible catégorique (convertie en binaire)
• ✅ Intéressé par la probabilité, pas juste la classe

Hypothèses :

• Indépendance des observations
• Pas de multicolinéarité sévère
• Taille d'échantillon suffisante

Exemple :

# Prédire si un client va acheter (1) ou non (0)
P(Achat) = f(Âge, Revenu, Historique)

# Résultat : Probabilité de 0 à 1
# Si P > 0.5 : Prédit "Achat"
# Si P ≤ 0.5 : Prédit "Pas d'achat"

Graphique typique :

P(Achat)
 1.0 ┤     ┌────────
     │    ┌
     │   ┌
     │  ┌
     │ ┌
 0.0 ┼─────┬─────→ Âge
         30
   (Courbe en S)

Interprétation des coefficients :

• Odds Ratio : e^coefficient
• Si coefficient = 0.5 → OR = 1.65 (65% plus de chances)
• Si coefficient = -0.5 → OR = 0.61 (39% moins de chances)

---

3. Régression Polynomial 📊

Objectif : Capturer des relations non linéaires (courbes).

Équation :

Y = β₀ + β₁X + β₂X² + β₃X³ + ... + ε

Quand l'utiliser ?

• ✅ Relation courbe évidente sur le scatter plot
• ✅ Résidus du modèle linéaire montrent un motif
• ✅ Relation quadratique (en U ou en cloche)

Degré du polynôme :

• Degré 2 : Parabole (U ou ∩)
• Degré 3 : Courbe en S
• Degré 4-5 : Formes complexes (⚠️ sur-apprentissage)

Exemple :

# Relation entre Budget_Publicité et Ventes
# (avec rendements décroissants)
Ventes = 1000 + 50*Budget - 0.1*Budget²

# Budget optimal : Budget* = 50 / (2*0.1) = 250€
# Ventes maximales : 1000 + 50*250 - 0.1*250² = 7250

Graphique typique :

Ventes
  │     •
  │    • •
  │   •   •
  │  •     •
  │ •       •
  └───────────→ Budget_Publicité
    (Courbe en ∩)

⚠️ Risques :

• Sur-apprentissage : Degré trop élevé s'adapte au bruit
• Extrapolation : Prédictions dangereuses hors des données
• Interprétation : Coefficients difficiles à expliquer

Recommandation : Commencer avec le degré 2, augmenter progressivement.

---

4. Régression Exponentielle 📈

Objectif : Modéliser une croissance/décroissance exponentielle.

Équation :

Y = e^(β₀ + β₁X + ε)
= e^β₀ × e^β₁X × e^ε

Quand l'utiliser ?

• ✅ Croissance exponentielle (population, virus, intérêts composés)
• ✅ Décroissance exponentielle (demi-vie, dépréciation)
• ✅ Y toujours positif

Hypothèses :

• Y > 0 (valeurs strictement positives)
• Relation logarithmique entre log(Y) et X

Exemple :

# Croissance d'une population bactérienne
Population = e^(4.5 + 0.1*Temps)

# T0 : Population = e^4.5 = 90
# T10 : Population = e^5.5 = 245
# T20 : Population = e^6.5 = 665

# Temps de doublement : ln(2)/0.1 = 6.93 unités

Graphique typique :

Population
  │            •
  │         •
  │      •
  │   •
  │ •
  └───────────→ Temps
   (Courbe en J)

⚠️ Limites :

• Ne peut pas modéliser Y ≤ 0
• Très sensible aux outliers
• Difficile à interpréter directement

---

Configuration du Modèle

Étape 1 : Sélection de la Variable Cible (Y)

Règles :

• Pour Linéaire/Polynomial/Exponentielle : Y doit être numérique continue

  • ✅ Prix, Taille, Poids, Ventes, Temps
  • ❌ Catégorie, Couleur, Oui/Non

• Pour Logistique : Y doit être catégorique ou binaire

  • ✅ Achat (0/1), Spam (vrai/faux), Classe (A/B/C)
  • ❌ Prix continu, ID unique

Dans l'application :

1. Ouvrez le panneau "Configuration Avancée"
2. Sélectionnez votre cible dans le menu déroulant "Variable Cible (Y)"
3. Vérifiez les alertes de validation

Exemple de validation :

✅ Linéaire + Prix (numérique) → OK
❌ Linéaire + Catégorie (texte) → Erreur : "Ce modèle nécessite une cible numérique continue"
✅ Logistique + Catégorie (texte) → OK
✅ Logistique + Achat (0/1) → OK

---

Étape 2 : Sélection des Prédicteurs (X)

Automatique : L'application recommande automatiquement les 5 meilleures variables basées sur leur importance (Random Forest).

Manuel : Vous pouvez ajuster la sélection :

• ✅ Cochez : Inclure la variable
• ❌ Décochez : Exclure la variable

Critères de sélection :

1. Corrélation avec Y (via matrice de corrélation)

   • Privilégiez |r| > 0.5
   • Évitez |r| < 0.3 (trop faible)

2. Multicolinéarité entre X

   • ⚠️ Évitez |r| ≥ 0.7 entre prédicteurs
   • Choisissez la variable la plus corrélée avec Y

3. Nombre de prédicteurs

   • Règle : n/10 (n = taille échantillon)
   • Exemple : 100 observations → max 10 prédicteurs
   • Préférez qualité > quantité

Exemple de workflow :

1. Matrice de corrélation
   ├─ Prix vs Surface : r = 0.85 ✅
   ├─ Prix vs Chambres : r = 0.65 ✅
   ├─ Prix vs Jardin : r = 0.70 ✅
   └─ Prix vs Garage : r = 0.45 ⚠️ (faible)

2. Multicolinéarité
   ├─ Surface vs Chambres : r = 0.72 ⚠️ (problématique)
   └─ Surface vs Jardin : r = 0.50 ✅

3. Sélection finale
   ├─ Surface (meilleure corrélation avec Prix)
   ├─ Jardin (pas de multicolinéarité)
   └─ Exclure Chambres (multicolinéarité avec Surface)

---

Étape 3 : Options Avancées

Pour Polynomial

Degré du polynôme (2 à 5) :

• Degré 2 : Courbe simple (U ou ∩)
• Degré 3 : Courbe en S
• Degré 4-5 : Formes complexes (⚠️ risque de sur-apprentissage)

Recommandation :

1. Commencez avec le degré 2
2. Vérifiez le R² ajusté (doit augmenter)
3. Inspectez les résidus (pas de motif)
4. Si amélioration → essayez degré 3
5. Si dégradation → revenez au degré précédent

Pour Linéaire/Polynomial

Inclure interactions (x₁ × x₂) :

• Crée des termes croisés entre variables
• Exemple : Surface × Chambres, Âge × Revenu
• Utile pour capturer les effets combinés

Quand l'utiliser ?

• ✅ Effet d'une variable dépend d'une autre
• ✅ Interaction théorique justifiée
• ❌ Échantillon trop petit (< 50 observations)

Exemple :

# Sans interaction
Salaire = 2000 + 50*Expérience + 100*Formation

# Avec interaction
Salaire = 2000 + 50*Expérience + 100*Formation + 5*(Expérience×Formation)

# Interprétation : L'effet de l'expérience est plus fort
# avec un niveau de formation élevé

---

Interprétation des Résultats

1. Métriques de Qualité du Modèle

R-Squared (R² ou Coefficient de Détermination)

Définition : Proportion de la variance de Y expliquée par le modèle.

R² = 1 - (Variance résiduelle / Variance totale)

Interprétation :

R²	Qualité	Signification
0.90 - 1.00	Excellent	Le modèle explique 90-100% de la variance
0.70 - 0.90	Bon	Le modèle explique 70-90% de la variance
0.50 - 0.70	Modéré	Le modèle explique 50-70% de la variance
0.30 - 0.50	Faible	Le modèle explique 30-50% de la variance
< 0.30	Très faible	Le modèle est peu utile

Exemple :

# R² = 0.85
# Signification : 85% de la variation du Prix est expliquée par
# les variables Surface, Chambres, Jardin
# Les 15% restants sont dus à des facteurs non observés

⚠️ Limites :

• R² augmente toujours avec plus de variables
• Ne garantit pas la causalité
• Peut être artificiellement élevé avec outliers

---

Adjusted R-Squared (R² Ajusté)

Définition : R² corrigé pour pénaliser les variables inutiles.

R²_adj = 1 - (1 - R²) × (n - 1) / (n - p - 1)

Où :
- n = taille de l'échantillon
- p = nombre de prédicteurs

Quand l'utiliser ?

• Pour comparer des modèles avec nombres de variables différents
• Pour vérifier si une nouvelle variable améliore vraiment le modèle

Règle :

• Si R²_adj < R² → Trop de variables inutiles
• Si R²_augmente quand on ajoute une variable → Variable utile

Exemple :

# Modèle 1 : R² = 0.85, R²_adj = 0.84, p = 5 variables
# Modèle 2 : R² = 0.86, R²_adj = 0.83, p = 10 variables

# Conclusion : Modèle 1 est meilleur (R²_adj plus élevé
# avec moins de variables)

---

AIC et BIC (Critères d'Information)

Définition : Mesurent la qualité du modèle avec pénalité pour la complexité.

AIC = 2k - 2ln(L)
BIC = k×ln(n) - 2ln(L)

Où :
- k = nombre de paramètres
- L = vraisemblance du modèle
- n = taille de l'échantillon

Interprétation :

• Plus bas = meilleur
• BIC pénalise plus fortement la complexité
• Utile pour comparer modèles non emboîtés

Exemple :

# Modèle linéaire : AIC = 450, BIC = 460
# Modèle polynomial : AIC = 430, BIC = 455

# Conclusion : Polynomial est meilleur (AIC plus bas)
# Mais linéaire est plus simple (BIC proche)

---

2. Tableau des Coefficients

Structure

Variable	Coefficient	P-Value	Fiabilité
const (Intercept)	50000.00	0.001	✅ FIABLE
Surface	2500.50	0.000	✅ FIABLE
Chambres	12000.00	0.040	✅ FIABLE
Jardin	8000.00	0.150	❌ INCERTAIN

Coefficient

Définition : Changement moyen de Y quand X augmente de 1 unité.

Interprétation :

# Y = 50000 + 2500*Surface + 12000*Chambres + 8000*Jardin

# Surface : coefficient = +2500
# → Si Surface augmente de 1 m², Prix augmente de 2500€

# Chambres : coefficient = +12000
# → Si Chambres augmente de 1, Prix augmente de 12000€

# Jardin : coefficient = +8000
# → Si Jardin passe de non à oui, Prix augmente de 8000€

Signe du coefficient :

• Positif (+) : X↑ ⇒ Y↑ (relation positive)
• Négatif (-) : X↑ ⇒ Y↓ (relation négative)
• Proche de 0 : X a peu d'effet sur Y

---

P-Value

Définition : Probabilité que le coefficient soit dû au hasard.

Règle :

• p < 0.05 : Coefficient statistiquement significatif (FIABLE)
• p ≥ 0.05 : Coefficient non significatif (INCERTAIN)

Exemple :

# Surface : p = 0.000 (< 0.05) → Fiable
# Jardin : p = 0.150 (≥ 0.05) → Incertain (pourrait être 0)

# Action : Retirer Jardin du modèle

⚠️ Attention :

• Une p-value > 0.05 ne signifie pas "pas d'effet"
• Elle signifie "pas assez de preuves" (échantillon trop petit)

---

Écart-Type (Std Error)

Définition : Incertitude sur l'estimation du coefficient.

Intervalle de confiance à 95% :

IC 95% = Coefficient ± 1.96 × Std_Error

Exemple :

# Surface : coefficient = 2500, std_error = 200
# IC 95% = [2500 - 1.96×200, 2500 + 1.96×200]
#        = [2108, 2892]

# Interprétation : On est sûr à 95% que l'effet réel
# de la surface est entre 2108€ et 2892€ par m²

---

3. Diagnostic des Résidus

Résidus

Définition : Différence entre la valeur réelle et la prédite.

Résidu = Y_réel - Y_prédit

Propriétés souhaitées :

• ✅ Moyenne = 0 : Pas de biais systématique
• ✅ Distribution normale : Pour les intervalles de confiance
• ✅ Homoscédasticité : Variance constante
• ✅ Indépendance : Pas d'autocorrélation

Graphique Résidus vs Prédits :

│    •    •
│  •   •   •
│ •    •    •   •  (Bien : dispersion aléatoire)
│•     •     •
└────────────────→ Prédits

│       •       •
│     •   •   •
│   •       •      (Mal : motif en U = relation non linéaire)
│ •           •
└────────────────→ Prédits

---

Équations du Modèle

L'application génère automatiquement l'équation dans 3 formats :

1. LaTeX (Mathématique)

Usage : Rapports, publications scientifiques, présentations.

Exemple :

$$y = 1.234567 + 2.345678x_{0} + 3.456789x_{0}^{2}$$

Rendu (dans un document LaTeX) :

y = 1.234567 + 2.345678x₀ + 3.456789x₀²

---

2. Python (Code)

Usage : Implémentation directe dans un script Python.

Exemple :

y = 1.234567 + 2.345678*x0 + 3.456789*x0**2

Utilisation :

# Fonction de prédiction
def predict(x0):
    return 1.234567 + 2.345678*x0 + 3.456789*x0**2

# Prédiction pour x0 = 5
resultat = predict(5)
print(resultat)  # 107.123457

---

3. Excel (Formule)

Usage : Utilisation directe dans une cellule Excel/Google Sheets.

Exemple :

=1.234567 + 2.345678*A1 + 3.456789*A1^2

Correspondance des colonnes :

• x0 → Cellule A1
• x1 → Cellule B1
• x2 → Cellule C1
• etc.

Utilisation :

     A         B         C
1  [Surface]  [x0=50]   =1.234567 + 2.345678*B1 + 3.456789*B1^2

Conversion automatique :

• x0^2 → A1^2
• x0 x1 → A1*B1
• x0^2 x1 → (A1^2)*B1

---

Diagnostics Graphiques

1. Fit Plot (Régression Univariée)

Objectif : Vérifier visuellement l'ajustement du modèle aux données.

Composants :

• Points gris : Données réelles (X, Y_réel)
• Ligne bleue : Prédictions du modèle (X, Y_prédit)

Interprétation :

Bon ajustement :
  Y
  │    •
  │   •●  ← Ligne suit les points
  │  • ●
  │ •  ●
  │•   ●
  └─────────→ X

Mauvais ajustement :
  Y
  │    •
  │   ••
  │  •  ●  ← Ligne ne suit pas
  │ •   ●●
  │•    ●
  └─────────→ X

---

2. Partial Regression Plot (Régression Multivariée)

Objectif : Visualiser l'effet isolé de chaque variable, contrôlant les autres.

Principe :

• Montre la relation entre X et Y, après avoir retiré l'effet des autres variables
• La pente de la tendance = coefficient du modèle
• Utile pour comprendre la contribution unique de chaque prédicteur

Interprétation :

Y_résiduels
     │
   + │      •
     │    •  ●  ← Pente positive = coefficient positif
   0 │───●────●───
     │ •       •
   - │•
     └────────────→ X_résiduels

Cas d'usage :

• Identifier les variables avec effet non linéaire
• Détecter les influences (outliers sur une variable spécifique)
• Confirmer le signe des coefficients

---

3. Parity Plot (Validation)

Objectif : Vérifier la qualité des prédictions.

Composants :

• Diagonale rouge : Y = X (prédictions parfaites)
• Points violets : (Y_réel, Y_prédit)

Interprétation :

Y_prédit
  │
  │   •     •   (Bien : points près de la diagonale)
100├  •   •
  │ •     •
 50├•   •   •
  │
  └────────────→ Y_réel
    50   100

Y_prédit
  │
  │        •     (Mal : points loin de la diagonale)
100├    •
  │  •
 50├
  │•
  └────────────→ Y_réel
    50   100

Métriques dérivées :

• MAE (Mean Absolute Error) : |Y_réel - Y_prédit|
• RMSE (Root Mean Squared Error) : √(Σ(Y_réel - Y_prédit)²/n)
• MAPE (Mean Absolute Percentage Error) : 100×|Y_réel - Y_prédit|/Y_réel

---

Bonnes Pratiques

Workflow Recommencé

1. Exploration des données
   ├─ Vérifier les types (numérique, catégorique)
   ├─ Identifier les outliers
   └─ Statistiques descriptives

2. Matrice de corrélation
   ├─ Identifier les variables corrélées avec Y
   ├─ Repérer la multicolinéarité
   └─ Sélectionner les prédicteurs candidats

3. Régression simple
   ├─ Commencer avec 1-2 prédicteurs
   ├─ Utiliser le modèle linéaire
   └─ Vérifier les hypothèses (résidus)

4. Amélioration itérative
   ├─ Ajouter des variables (si pertinent)
   ├─ Tester polynomial (si relation courbe)
   ├─ Inclure interactions (si justifié)
   └─ Comparer les modèles (R²_adj, AIC, BIC)

5. Validation finale
   ├─ Parity Plot (qualité des prédictions)
   ├─ Diagnostic des résidus (pas de motif)
   ├─ Vérifier les p-values (< 0.05)
   └─ Interpréter les coefficients

6. Documentation
   ├─ Exporter l'équation
   ├─ Sauvegarder les graphiques
   └─ Noter les décisions (variables exclues, outliers retirés)

---

Erreurs Courantes

❌ Sur-apprentissage (Overfitting)

# Trop de variables par rapport à l'échantillon
n = 50 observations
p = 15 prédicteurs  # Trop !

# Signes :
# - R² très élevé (> 0.95)
# - R²_adj beaucoup plus bas que R²
# - Coefficients irréalistes

# Solution : Réduire le nombre de variables

❌ Sous-apprentissage (Underfitting)

# Modèle trop simple pour la relation
# Relation courbe modélisée par linéaire

# Signes :
# - R² très faible (< 0.30)
# - Motif dans les résidus (forme en U)

# Solution : Essayer polynomial

❌ Multicolinéarité ignorée

# Inclure des variables fortement corrélées
# Surface_m² (r=1.0) vs Surface_pieds²

# Signes :
# - Coefficients contre-intuitifs
# - p-values élevées malgré un bon R²
# - Coefficients instables (changent beaucoup si on retire une variable)

# Solution : Matrice de corrélation AVANT

❌ Interprétation causale abusive

# Corrélation ≠ Causalité
# Y = 0.5*X ne signifie pas que X cause Y

# Exemple : Glace vs Requins
# Corrélation forte mais relation non causale
# (Facteur commun : Été)

# Solution : Expérience contrôlée ou avis d'expert

---

Exemples Détaillés

Exemple 1 : Prix Immobilier

Données (100 maisons) :

• Prix (€) : Cible
• Surface (m²)
• Chambres
• Jardin (0/1)
• Garage (0/1)
• Distance_Centre (km)

---

Étape 1 : Corrélation

                Prix   Surface Chambres Jardin Garage Distance
Prix           1.00    0.85    0.65    0.70   0.55  -0.75
Surface        0.85    1.00    0.72    0.60   0.50  -0.40
Chambres       0.65    0.72    1.00    0.45   0.35  -0.25
Jardin         0.70    0.60    0.45    1.00   0.30  -0.50
Garage         0.55    0.50    0.35    0.30   1.00  -0.20
Distance      -0.75   -0.40   -0.25   -0.50  -0.20   1.00

Analyse :

• Meilleurs prédicteurs : Surface (0.85), Distance (-0.75), Jardin (0.70)
• Multicolinéarité : Surface vs Chambres (0.72) ⚠️
• Décision : Garder Surface (meilleure corrélation), exclure Chambres

---

Étape 2 : Régression Linéaire

Modèle :

Prix = β₀ + β₁×Surface + β₂×Distance + β₃×Jardin

Résultats :

R² = 0.87
R²_adj = 0.86
AIC = 1234
BIC = 1250

Coefficients :

Variable      Coefficient  P-Value  Fiabilité
const         50000.00     0.001    ✅ FIABLE
Surface        2500.50     0.000    ✅ FIABLE
Distance      -5000.00     0.002    ✅ FIABLE
Jardin         15000.00    0.030    ✅ FIABLE

---

Étape 3 : Interprétation

Équation :

Prix = 50000 + 2500×Surface - 5000×Distance + 15000×Jardin

Signification :

• Prix de base : 50000€ (pour Surface=0, Distance=0, Sans jardin)
• Surface : +2500€ par m²
• Distance : -5000€ par km du centre
• Jardin : +15000€ si jardin présent

Exemple de prédiction :

# Maison : 80 m², 5 km du centre, avec jardin
Prix = 50000 + 2500×80 - 5000×5 + 15000×1
     = 50000 + 200000 - 25000 + 15000
     = 240000€

---

Exemple 2 : Probabilité d'Achat

Données (500 clients) :

• Achat (0/1) : Cible
• Âge
• Revenu (€/mois)
• Historique (nombre d'achats précédents)

---

Régression Logistique

Résultats :

Pseudo R² = 0.35
AIC = 890
BIC = 910

Coefficients :

Variable      Coefficient  P-Value  Odds_Ratio  Fiabilité
const         -5.000       0.001    -           ✅ FIABLE
Âge            0.050       0.003    1.05        ✅ FIABLE
Revenu         0.0002      0.000    1.10        ✅ FIABLE
Historique     0.800       0.000    2.23        ✅ FIABLE

---

Interprétation

Équation de probabilité :

P(Achat) = 1 / (1 + e^-(-5 + 0.05×Âge + 0.0002×Revenu + 0.8×Historique))

Odds Ratios :

• Âge : OR = 1.05 → Chaque année augmente la probabilité de 5%
• Revenu : OR = 1.10 → Chaque 1000€ augmente la probabilité de 10%
• Historique : OR = 2.23 → Chaque achat précédent double la probabilité

Exemple de prédiction :

# Client : 45 ans, 3000€/mois, 3 achats précédents
z = -5 + 0.05×45 + 0.0002×3000 + 0.8×3
  = -5 + 2.25 + 0.6 + 2.4
  = 0.25

P(Achat) = 1 / (1 + e^-0.25)
        = 1 / (1 + 0.78)
        = 0.56

# Interprétation : 56% de probabilité d'achat

---

Exemple 3 : Budget Publicité Optimal

Données (24 mois) :

• Ventes (k€)
• Budget_TV (k€)
• Budget_Radio (k€)

---

Régression Polynomial (Degré 2)

Modèle :

Ventes = β₀ + β₁×Budget_TV + β₂×Budget_TV²

Résultats :

R² = 0.92
R²_adj = 0.91

Coefficients :

Variable      Coefficient  P-Value  Fiabilité
const         10.000       0.000    ✅ FIABLE
Budget_TV      5.000       0.000    ✅ FIABLE
Budget_TV²    -0.050       0.001    ✅ FIABLE

---

Interprétation

Équation :

Ventes = 10 + 5×Budget_TV - 0.05×Budget_TV²

Budget optimal :

# Dérivée = 0
d(Ventes)/d(Budget) = 5 - 0.1×Budget = 0
Budget* = 5 / 0.1 = 50 k€

# Ventes maximales
Ventes_max = 10 + 5×50 - 0.05×50²
           = 10 + 250 - 125
           = 135 k€

Graphique :

Ventes
   │        •
135┤       • (Maximum)
   │      • •
100┤     •   •
   │    •     •
 50┤  •       •
   │ •         •
 10┼────────────────→ Budget_TV
    0    25    50    75

---

🎯 Conclusion

La régression est un outil puissant pour :

✅ Comprendre les relations entre variables ✅ Prédire des valeurs futures ✅ Quantifier l'impact de chaque facteur ✅ Optimiser les décisions (budget, prix, etc.)

Points clés à retenir :

• Toujours vérifier la matrice de corrélation avant
• Surveiller le R² ajusté (pas juste le R²)
• Respecter les p-values (< 0.05)
• Valider avec les graphiques diagnostiques
• Documenter vos décisions

---

Version : 1.0 Projet : Application d'Analyse de Données

🔗 Voir aussi : Guide Corrélation | Guide Outliers