Régression = critères ?

Bonjour.

En statistiques descriptives, on fait de l'ajustement linéaire (ou autre) entre deux variables sur les mêmes individus, ajustement dont on mesure la qualité par le coefficient de corrélation linéaire. Les variables statistiques ne sont pas des variables aléatoires, donc de n'est que par approximation qu'on peut parler de "Normal", et la plupart du temps, ça n'a pas de sens.

En statistique inférentielle, on peut analyser la situation où une variable $y_i$ est modélisée, en fonction d'une autre variable $x_i$ (contrôlée) par un modèle linéaire $Y=aX+b+\varepsilon$, où $\varepsilon$ est une variable aléatoire Normale, de moyenne nulle et de variance minimale. Dans ce cas, c'est $\varepsilon$ qui est gaussien (on pourra éventuellement le contrôler avec des résidus). On a aussi le cas où les deux variables en cause sont non contrôlées, et où le fait qu'elles soient gaussiennes simplifie fortement le problème. Ce qui fait qu'on présente souvent ce seul cas, alors que l'on peut traiter quand même correctement le sujet : calculer une mesure de régression.

Donc si tes deux séries (distributions) sont une vraie série double, représente-la (nuage de points) pour savoir si une régression linéaire (ou autre) est utile, et dans ce cas, calcule.

Cordialement.