25 KiB
25 KiB
Guide Complet de la Régression
📈 Maîtriser l'analyse de régression pour modéliser, prédire et comprendre les relations entre variables.
Table des Matières
- Concepts Fondamentaux
- Types de Modèles
- Configuration du Modèle
- Interprétation des Résultats
- Équations du Modèle
- Diagnostics Graphiques
- Bonnes Pratiques
- 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 :
- Ouvrez le panneau "Configuration Avancée"
- Sélectionnez votre cible dans le menu déroulant "Variable Cible (Y)"
- 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 :
-
Corrélation avec Y (via matrice de corrélation)
- Privilégiez |r| > 0.5
- Évitez |r| < 0.3 (trop faible)
-
Multicolinéarité entre X
- ⚠️ Évitez |r| ≥ 0.7 entre prédicteurs
- Choisissez la variable la plus corrélée avec Y
-
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→ CelluleA1x1→ CelluleB1x2→ CelluleC1- etc.
Utilisation :
A B C
1 [Surface] [x0=50] =1.234567 + 2.345678*B1 + 3.456789*B1^2
Conversion automatique :
x0^2→A1^2x0 x1→A1*B1x0^2 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