Qualité du modèle
! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! A MODIFIER ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !
@@@@ Reprendre sur les bases de stats (attention, carré en trop sur la covariance du R)Prix
Mettre aussi la démo en option, par contre bien marquer la formule de décomposition totale.
! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! A MODIFIER ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !
Nous voyons dans ce paragraphe que le coefficient de détermination R² est suffisant pour mesurer la qualité du modèle.
Quel est l'avantage d'utiliser en plus le coefficient de corrélation R ?
On remarque que R a le même signe que la covariance. Il a donc les mêmes propriétés, à savoir que
si R>0, X et Y évoluent dans le même sens
si R<0, X et Y vont dans un sens contraire.
Mais comme -1<R<1, R est donc borné, et on peut grâce à un test, mesurer à partir de quand on considère que R est suffisamment proche de -1 ou de 1.
@@@@ Règle de décision avec 2/racine n pour un risque de 5%.
Rajouter le test pour un risque quelconque
