| Property |
Value |
| dbo:abstract
|
- En statistique, le coefficient de détermination linéaire de Pearson, noté R2 ou r2, est une mesure de la qualité de la prédiction d'une régression linéaire. Il est défini par : où n est le nombre de mesures, la valeur de la mesure no i, la valeur prédite correspondante et la moyenne des mesures. Dans le cas d'une régression linéaire univariée (une seule variable prédictive), on montre que la variance (totale) SST est la somme de la variance expliquée par la régression SSE et de la moyenne des carrés des résidus SSR, de sorte que : c'est-à-dire que le coefficient de détermination est alors le rapport de la variance expliquée par la régression SSE sur la variance totale SST. Le coefficient de détermination est le carré du coefficient de corrélation linéaire R entre les valeurs prédites et les mesures : Dans le cas univarié, on montre que c'est aussi le carré du coefficient de corrélation entre les valeurs de la variable prédictive et les mesures . C'est une conséquence immédiate de la relation : démontrée ici et ici. La propriété précédente permet de voir le coefficient de détermination comme une généralisation du coefficient de corrélation au cas d'une régression linéaire multivariée. (fr)
- En statistique, le coefficient de détermination linéaire de Pearson, noté R2 ou r2, est une mesure de la qualité de la prédiction d'une régression linéaire. Il est défini par : où n est le nombre de mesures, la valeur de la mesure no i, la valeur prédite correspondante et la moyenne des mesures. Dans le cas d'une régression linéaire univariée (une seule variable prédictive), on montre que la variance (totale) SST est la somme de la variance expliquée par la régression SSE et de la moyenne des carrés des résidus SSR, de sorte que : c'est-à-dire que le coefficient de détermination est alors le rapport de la variance expliquée par la régression SSE sur la variance totale SST. Le coefficient de détermination est le carré du coefficient de corrélation linéaire R entre les valeurs prédites et les mesures : Dans le cas univarié, on montre que c'est aussi le carré du coefficient de corrélation entre les valeurs de la variable prédictive et les mesures . C'est une conséquence immédiate de la relation : démontrée ici et ici. La propriété précédente permet de voir le coefficient de détermination comme une généralisation du coefficient de corrélation au cas d'une régression linéaire multivariée. (fr)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 3238 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| prop-fr:année
| |
| prop-fr:auteur
|
- Pierre Bailly (fr)
- Christine Carrère (fr)
- Pierre Bailly (fr)
- Christine Carrère (fr)
|
| prop-fr:collection
|
- Libres cours économie (fr)
- Libres cours économie (fr)
|
| prop-fr:date
|
- décembre 2016 (fr)
- décembre 2016 (fr)
|
| prop-fr:page
| |
| prop-fr:sousTitre
|
- Théorie et applications (fr)
- Théorie et applications (fr)
|
| prop-fr:thème
|
- mathématiques (fr)
- mathématiques (fr)
|
| prop-fr:titre
|
- Statistiques descriptives (fr)
- Statistiques descriptives (fr)
|
| prop-fr:wikiPageUsesTemplate
| |
| prop-fr:éditeur
| |
| dct:subject
| |
| rdfs:comment
|
- En statistique, le coefficient de détermination linéaire de Pearson, noté R2 ou r2, est une mesure de la qualité de la prédiction d'une régression linéaire. Il est défini par : où n est le nombre de mesures, la valeur de la mesure no i, la valeur prédite correspondante et la moyenne des mesures. Dans le cas d'une régression linéaire univariée (une seule variable prédictive), on montre que la variance (totale) SST est la somme de la variance expliquée par la régression SSE et de la moyenne des carrés des résidus SSR, de sorte que : (fr)
- En statistique, le coefficient de détermination linéaire de Pearson, noté R2 ou r2, est une mesure de la qualité de la prédiction d'une régression linéaire. Il est défini par : où n est le nombre de mesures, la valeur de la mesure no i, la valeur prédite correspondante et la moyenne des mesures. Dans le cas d'une régression linéaire univariée (une seule variable prédictive), on montre que la variance (totale) SST est la somme de la variance expliquée par la régression SSE et de la moyenne des carrés des résidus SSR, de sorte que : (fr)
|
| rdfs:label
|
- Bestimmtheitsmaß (de)
- Coefficient de détermination (fr)
- Coeficiente de determinación (es)
- Coeficiente de determinação (pt)
- Mugatze-koefiziente (eu)
- Współczynnik determinacji (pl)
- Коефіцієнт детермінації (uk)
- Коэффициент детерминации (ru)
- 决定系数 (zh)
- Bestimmtheitsmaß (de)
- Coefficient de détermination (fr)
- Coeficiente de determinación (es)
- Coeficiente de determinação (pt)
- Mugatze-koefiziente (eu)
- Współczynnik determinacji (pl)
- Коефіцієнт детермінації (uk)
- Коэффициент детерминации (ru)
- 决定系数 (zh)
|
| rdfs:seeAlso
| |
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageRedirects
of | |
| is dbo:wikiPageWikiLink
of | |
| is oa:hasTarget
of | |
| is foaf:primaryTopic
of | |
