Compétence · Terminale TM.STAT.REG.01 Niveau : Moyen

Ajuster un nuage de points par une droite

Tracer une droite au jugé passant par G et lire son équation, obtenir la droite des moindres carrés à la calculatrice ou au tableur, calculer des résidus et comparer des droites par la somme de leurs carrés.

Chapitre : Séries statistiques à deux variables Filière : Term STMG Temps de maîtrise : ~45 min

Le cours

Ajustement affine~3 min

Définition — ajuster un nuage par une droite

Réaliser un ajustement affine, c'est choisir une droite $y=ax+b$ qui « passe au plus près » des points du nuage, et remplacer la relation inconnue entre $x$ et $y$ par le modèle $y\approx ax+b$. Trois façons de choisir cette droite : au jugé, par la méthode de Mayer, par la méthode des moindres carrés.

Méthode — ajustement au jugé

On trace « à l'œil » une droite qui équilibre les points au-dessus et au-dessous, en la faisant passer par $G$. On lit son équation à partir de $G$ et d'un second point de la droite : $a=\dfrac{y_B-y_G}{x_B-x_G}$, puis $b=y_G-a\,x_G$. Simple et rapide, mais deux personnes n'obtiennent pas la même droite.

Méthode — droite de Mayer

1. Partager le nuage en deux sous-nuages de même effectif (les $x$ les plus petits, puis les plus grands).
2. Calculer les points moyens $G_1$ et $G_2$ de chaque sous-nuage.
3. La droite de Mayer est la droite $(G_1G_2)$ ; elle passe par $G$.
Exemple : Sous-nuage 1 : $x=2,3,4$ et $y=25,32,39$, d'où $G_1(3\,;32)$. Sous-nuage 2 : $G_2(7\,;57)$. $a=\dfrac{57-32}{7-3}=\dfrac{25}{4}=6{,}25$ et $b=32-6{,}25\times3=13{,}25$ : $y=6{,}25x+13{,}25$. Vérification : $6{,}25\times5+13{,}25=44{,}5=\bar y$.

Définition — méthode des moindres carrés

Pour une droite $y=ax+b$ et un point $M_i$, l'écart vertical $y_i-(ax_i+b)$ est le résidu. La droite des moindres carrés (ou droite de régression de $y$ en $x$) est la droite qui rend minimale la somme des carrés des résidus $$S(a,b)=\sum_{i=1}^{n}\bigl(y_i-(ax_i+b)\bigr)^2.$$

À retenir — propriétés de la droite des moindres carrés

• Elle est unique et passe par le point moyen $G$.
• Ses coefficients sont donnés par la calculatrice (mode statistiques à deux variables, « régression linéaire », LinReg ou « $ax+b$ ») ou par un tableur (DROITEREG, PENTE et ORDONNEE.ORIGINE). On ne demande pas de les calculer à la main.
• On arrondit $a$ et $b$ comme le demande l'énoncé (souvent au centième), en gardant les valeurs exactes en mémoire pour les calculs suivants.

Exemple

Pour la boutique : la calculatrice donne $a\approx6{,}36$ et $b\approx12{,}71$, soit $y\approx6{,}36x+12{,}71$. Vérification : $6{,}36\times5+12{,}71\approx44{,}5=\bar y$, la droite passe bien par $G$. Lecture de $a$ : chaque millier d'euros de publicité supplémentaire s'accompagne d'environ $6{,}36$ milliers d'euros de chiffre d'affaires en plus. Résidu en $x=4$ : $39-(6{,}36\times4+12{,}71)\approx0{,}85$ ; somme des carrés des résidus $S\approx1{,}93$, contre $S=2{,}25$ pour la droite de Mayer : la droite des moindres carrés est, par définition, la meilleure.

Situations algorithmiques~1 min

Méthode — Python : somme des carrés des résidus et meilleur couple
def S(a, b, X, Y):                      # somme des carrés des résidus
    total = 0
    for i in range(len(X)):
        total = total + (Y[i] - (a * X[i] + b)) ** 2
    return total
def meilleur_couple(X, Y, couples):     # couples : liste de (a, b) candidats
    meilleur, Smin = couples[0], S(couples[0][0], couples[0][1], X, Y)
    for (a, b) in couples:
        if S(a, b, X, Y) < Smin:
            meilleur, Smin = (a, b), S(a, b, X, Y)
    return meilleur

En testant des couples $(a,b)$ proposés par la classe, générés par balayage (a de $5$ à $8$ par pas de $0{,}01$…) ou tirés au hasard, on retrouve approximativement la droite des moindres carrés, celle pour laquelle $S$ est minimale. Au tableur : une colonne de résidus au carré, puis SOMME.

En gestion / économie — contextes où l'on retrouve ces calculs

• Ventes et marketing : chiffre d'affaires selon le budget publicitaire, quantité vendue selon le prix (pente négative) ; évolutions dans le temps (chiffre d'affaires, population, trafic d'un site, salaires) : la pente est l'augmentation moyenne par an.
• Évolutions à taux constant (croissance d'une start-up, d'un placement, d'une population) : changement $z=\log y$, et $q=10^{a}$ donne le coefficient multiplicateur.
• Coût moyen : le coût moyen par article, $\dfrac{\text{coût fixe}}{q}+\text{coût variable unitaire}$, se redresse avec $z=\dfrac1q$.

Conçu et validé par Laurent Jacquet, professeur de mathématiques. Qui conçoit les cours ?

Entraîne-toi sur ce cours

Avec un compte gratuit : les QCM et ta Konfiance après chaque question, et le sentier complet d'un chapitre au choix, rappels et épreuve compris.

Créer mon compte gratuit

Déjà inscrit ? Se connecter

Pour aller plus loin

Maîtrise cette compétence avec Konfia

Coach personnel, corrigés détaillés, missions hebdomadaires ciblées sur tes lacunes. Un accompagnement quotidien pour le prix d'un café par mois.

Découvrir l'accompagnement — dès 4,99 €/mois