Forum de mathématiques - Bibm@th.net

Bonjour,

Un de mes devoir demande de classifier des modèles de régression (linéaire dans B, linéarisable après transformations, et intrinsèquement non linéaire dans B).

Cela dit, je ne crois pas que ce que j'ai fait soit bon. Est-ce que quelqu'un peut me guider?

Par exemple, si j'ai l'équation suivante:

[tex]Y=\frac{{\beta }^{}_{0}}{1+{\beta }^{}_{1}{x}^{}_{1}+\,{\beta }^{}_{2}{x}^{}_{2}}[/tex]

ais-je le droit de poser des transformations impliquant plus d'une variable (dans ce cas B0)? :

[tex]Y'=\frac{1}{Y}\,\,    \beta {'}^{}_{0}=\frac{1}{{\beta }^{}_{0}}\,     {\beta }^{,}_{1}=\,\frac{{\beta }^{}_{1}}{{\beta }^{}_{0}}     {\beta }^{,}_{2}=\frac{{\beta }^{}_{2}}{{\beta }^{}_{0}}[/tex]

Je n'ai jamais vu cette transformation, mais puisque B0 est un scalaire, je présume avoir le droit? ais-je tort?
Si j'ai tort, est-ce que quelqu'un pourrait me pointer vers une liste des transformations envisageable (outre y'=lny, y'= 1/y)?

J'ai trouvé cette liste:

Method                                  Transformation(s)                              Regression equation             

Standard linear regression        None                                               y = b0 + b1x                       

Exponential model                   Dependent variable = log(y)              log(y) = b0 + b1x             

Quadratic model                      Dependent variable   = sqrt(y)          sqrt(y) = b0 + b1x         

Reciprocal model                     Dependent variable = 1/y                 1/y = b0 + b1x ŷ = 1 / ( b0 + b1x )

Logarithmic model                   Independent variable = log(x)           y= b0 + b1log(x) ŷ = b0 + b1log(x)

Power model                           Dependent variable = log(y)
                                              Independent variable = log(x)          log(y)= b0 + b1log(x) ŷ = 10b0 + b1log(x)

Est-elle complète?

Merci énormément pour votre aide et votre temps!

Julien.