Devoir1 - Cours en Ligne
Transcription
Devoir1 - Cours en Ligne
Devoir n° 1 : modélisation de la résistance au soc de charrue On veut modéliser la résistance du sol (variable res) au soc de charrue en fonction de la vitesse (variable vit). Pour cela, on a mesuré la résistance du sol à 4 vitesses différentes (exprimées en m/s) au cours de 6 répétitions. Les données et le graphe des données sont présentés ci-dessous obs vit res 1 2 36 2 2 36 3 2 45 4 2 33 5 2 49 6 2 43 7 4 61 8 4 52 9 4 57 10 4 52 11 4 56 12 4 47 13 6 86 14 6 78 15 6 67 16 6 61 17 6 60 18 6 56 19 8 76 20 8 64 21 8 65 22 8 56 23 8 67 24 8 60 Annexes Pour répondre à la question, plusieurs modèles ont été envisagés : 1. la régression polynomiale de degré 3, 2. la régression polynomiale de degré 2, 3. la régression polynomiale de degré 2 sur la racine carrée de la résistance. L'analyse de ces modèles est présentée dans la partie « Annexes » . Les variables vit2 et vit3 représentent respectivement le carré et le cube de la vitesse, et la variable resq représente la racine carrée de la résistance. Questions 1. Modèles correspondants aux parties 1 et 2 : • Écrire les modèles statistiques en spécifiant toutes les hypothèses. • Aurait-on pu envisager des polynômes de degrés plus élevés (compte tenu du dispositif expérimental) ? • Aurait-on pu envisager un modèle d’une autre forme ? 2. Analyse du modèle de la partie 1 « Régression polynomiale de degré 3 » : • Quelle est la valeur de la statistique de test dans la table obtenue par la commande « summary » ? Quelles sont les hypothèses H0 et H1 testées ? Justifier les degrés de liberté 3 et 20 ? • A combien est estimée la variance résiduelle ? • Combien vaut le coefficient de détermination ? • Quels sont les effets significatifs ? • Le passage au modèle polynomial de degré 2 est-il justifié ?. 3. Analyse du modèle de la partie 2 « Régression polynomiale de degré 2 » : • Donner les estimations des coefficients. Interpréter physiquement ces estimations. • Commenter les graphiques de diagnostic. Est-ce que les hypothèses du modèle sont validées ? 4. Transformation racine « Régression polynomiale de degré 2 sur la racine carrée » : • Écrire le modèle correspondant à la partie 3. • Commenter les sorties et les graphiques. • Quel est l’objectif de la transformation racine ? Cet objectif est-il atteint ? 5. Prédiction : • Quel modèle retiendriez-vous finalement ? • En utilisant ce modèle, donner une estimation de la résistance moyenne pour une vitesse v = 5 m/s, ainsi qu’un intervalle de confiance pour cette estimation. • Même question pour v = 10 m/s. Annexes Partie 1. Régression polynomiale de degré 3. > summary(reg1) Call: lm(formula = res ~ vit + vit2 + vit3, data = Don) Residuals: Min 1Q Median 3Q Max -12.0000 -5.2500 -0.8333 3.2917 18.0000 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 43.6667 vit 26.5671 1.644 0.116 -8.8194 20.3155 -0.434 0.669 vit2 4.2917 4.4876 0.956 0.350 vit3 -0.3576 0.2980 -1.200 0.244 Residual standard error: 7.834 on 20 degrees of freedom Multiple R-squared: 0.6946, Adjusted R-squared: 0.6488 F-statistic: 15.17 on 3 and 20 DF, p-value: 2.216e-05 > anova(reg1) Analysis of Variance Table Response: res Df Sum Sq Mean Sq F value Pr(>F) vit 1 2262.01 2262.01 36.8555 6.202e-06 *** vit2 1 442.04 442.04 7.2023 0.01428 * vit3 1 88.41 88.41 1.4405 0.24409 Residuals 20 1227.50 61.38 Partie 2. Régression polynomiale de degré 2. > summary(reg2) Call: lm(formula = res ~ vit + vit2, data = Don) Residuals: Min 1Q Median 3Q Max -9.742 -4.912 -1.133 3.708 20.575 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 13.625 8.997 1.514 0.14482 vit 15.071 4.104 3.672 0.00142 ** vit2 -1.073 0.404 -2.656 0.01478 * Residual standard error: 7.916 on 21 degrees of freedom Multiple R-squared: 0.6727, Adjusted R-squared: 0.6415 F-statistic: 21.58 on 2 and 21 DF, p-value: 8.082e-06 > anova(reg2) Analysis of Variance Table Response: res Df Sum Sq Mean Sq F value Pr(>F) vit 1 2262.01 2262.01 36.0984 5.802e-06 *** vit2 1 442.04 0.01478 * Residuals 442.04 7.0543 21 1315.91 62.66 > Covariances estimées entre les estimateurs (Intercept) vit vit2 (Intercept) 80.938806 -35.247545 3.2636615 vit -35.247545 16.840494 -1.6318308 vit2 3.263662 -1.631831 0.1631831 > Graphiques de diagnostic > Graphe des données avec la courbe de régression estimée Partie 3. Régression polynomiale de degré 2 sur la racine carrée de la résistance. > summary(reg3) Call: lm(formula = resq ~ vit + vit2, data = Don) Residuals: Min 1Q Median 3Q Max -0.63395 -0.30022 -0.04667 0.28098 1.18797 Coefficients: Estimate Std. Error (Intercept) 4.48587 t value Pr(>|t|) 0.57111 7.855 1.1e-07 *** vit 1.05288 0.26051 4.042 0.000588 *** vit2 -0.07549 0.02564 -2.944 0.007757 ** Residual standard error: 0.5025 on 21 degrees of freedom Multiple R-squared: 0.7078, Adjusted R-squared: 0.68 F-statistic: 25.44 on 2 and 21 DF, p-value: 2.451e-06 > anova(reg3) Analysis of Variance Table Response: resq Df Sum Sq Mean Sq F value Pr(>F) vit 1 10.6579 10.6579 42.2072 1.948e-06 *** vit2 1 2.1881 2.1881 Residuals 21 5.3028 0.2525 8.6651 0.007757 ** > Covariances estimées entre les estimateurs (Intercept) vit (Intercept) 80.938806 vit vit2 vit2 -35.247545 3.2636615 -35.247545 16.840494 -1.6318308 3.263662 -1.631831 0.1631831 > Graphiques de diagnostic > Graphe des données avec la courbe de régression estimée