Discussion :

[ghada97]

Bonjour,
J'ai les données suivante :


Comment je peux effectuer une régression simple sur ces données , utiliser les résultats
pour tracer une courbe d'étalonnage, et enfin tracer le nuage de points et la droite de régression ?

Merci

[Gooby]

Bonjour,

Tu peux jeter un oeil à la fonction polyfit.

Tu peux également tracer tes points sur une figure, puis aller voir dans les menus de la figure, Tools->Basic Fitting.

[ghada97]

Je peux procéder comme suit ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
a = [[0.503 0.7229 0.7802 1.2106 1.7607 2.4649];
     [0 1 2 5 10 15]];
plot(a(1,:), a(2,:), 'd');
% Regression lineaire d'ordre 1 : f(x) = m*x + n
p = polyfit(a(:,1), a(:,2), 1);
c(1,:) = a(1,:);
c(2,:) = (p(2) + a(1,:) * p(1));
plot(a(1,:), a(2,:), 'd', c(1,:), c(2,:));
title('Donnees et regressions lineaires');
legend('donnees', 'régression au premier degré(ordre 1)');

[Dombrai]

salut, si ce que tu cherches à fitter est une droite, alors l'opérateur mldivide \ devrait faire le taff (t'auras la meilleure solution en termes de moindres carrés).

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
A=[x' ones(size(x,2),1)];
B=y';
 
% x et y doivent être en colonnes, t'as ptet pas besoin de la transposition
 
SOL = A\B
 
a=SOL(1);
b=SOL(2);
 
% y = a*x+b est le meilleur ajustement linéaire de tes données

tu obtiendras le même résultat qu'avec polyfit, mais sortir polyfit pour estimer une droite c'est un peu comme chasser des mouches au bazooka : ça marche, mais c'est un peu violent quand même.


[Edit] : Je viens de lire la doc de la fonction polyfit, et c'est exactement comme ça qu'elle procède, donc oubliez ce post inutile

[ghada97]

J'ai pas compris
C'est juste ou faut ce que j'ai fait ?

[Gooby]

Ca m'a l'air correct, les résultats de ton graphique sont ils cohérents?

[ghada97]

Non c'est pas cohérent :

[Gooby]

Effectivement,

et comme ça?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
% Regression lineaire d'ordre 1 : f(x) = m*x + n
p = polyfit(a(1,:), a(2,:), 1);

[ghada97]

Parfait
Merci infiniment