Contenus :

• Définition de la régression ;
• Objectifs de la régression :
• description ;
• explication ;
• prédiction ;
• Régression linéaire simple ;
• Variable dépendante ;
• Variable explicative ;
• Nuage de points et relation linéaire ;
• Forme générale du modèle ;
• Composante déterministe et composante aléatoire ;
• Droite de régression ;
• Constante ou ordonnée à l’origine ;
• Pente ou coefficient de régression ;
• Valeurs observées ;
• Valeurs prédites ;
• Résidus ;
• Interprétation géométrique du résidu ;
• Principe de la méthode des moindres carrés ;
• Somme des carrés des résidus ;
• Estimation de la pente ;
• Estimation de la constante ;
• Relation entre covariance, variance et pente ;
• Relation entre corrélation et régression ;
• Conditions générales d’utilisation de la régression linéaire ;
• Différence entre modèle statistique et relation déterministe ;
• Régression et causalité ;
• Limites d’un modèle à une seule variable explicative.

Objectifs pédagogiques :

• Définir la régression linéaire simple ;
• Identifier les variables dépendante et explicative ;
• Expliquer le rôle de la droite de régression ;
• Distinguer les valeurs observées et prédites ;
• Définir et interpréter un résidu ;
• Expliquer la signification de la constante et de la pente ;
• Comprendre le principe des moindres carrés ;
• Relier la pente à la covariance et à la variance ;
• Distinguer corrélation et régression ;
• Différencier une utilisation explicative d’une utilisation prédictive ;
• Reconnaître les limites d’un modèle simple ; 
• Éviter les interprétations causales injustifiées.