La donnée des deux tables de fréquences de X et Y suffit elle pour étudier leur liaison?
Le graphique que l'on fait pour étudier les ralations entre deux variables quantitatives est
La régression et la corrélation s'appliquent à des variables
Une liaison fonctionnelle f entre x et y
L'indépendance entre deux variables quantitatives x et y est caractérisée par
Une courbe de régression de y en x est une courbe
Une courbe y = f(x) ajustée par les moindres carrés
La liaison linéaire Log(y) = a Log(x) +b correspond à la linéarisation d'une fonction
La covariance de x et y c'est
La pente de la droite des moindres carrés de y en x est donnée par
La droite des moindres carrés ajustée à un nuage de points
L'indépendance de x et y est caractérisée par une droite des moindres carrés
Sur les données suivantes donner la pente a de la droite des moindres carrés
x = -1 0 1 y = 1 2 3
Sur les données suivantes (différentes) donner la pente a de la droite des moindres carrés : x = -1 0 1 y = 1 3 2
Sur les données suivantes (idem) donner la valeur du coefficient de détermination
x = -1 0 1 y = 1 3 2
Sur les données suivantes (idem) donner la valeur du coefficient de corrélation entre x et y : x = -1 0 1 y = 1 3 2
Dans un modèle de régression multiple y = a1x1 + a2x2 + b, quelle est la signification de a1
Dans un modèle de régression multiple y = a1x1 + a2x2 + b, que mesure R²
Que veut dire pour une régression multiple sur 20 observations : "le coefficient a1 du modèle y = a1x1 + a2x2 + b est significatif" ?
Quelle est l'hypothèse H0 que le test de Fisher rejettera si la statistique F est assez grande? (plusieurs réponses exactes)