II.3.2. Régression
La régression est une méthode statistique
qui permet d'étudier la façon dont une variable quantitative
varie en fonction des autres (quantitatives). Aussi appelée
« Modèle Linéaire », elle présente
trois avantages, à savoir : le Description de
phénomènes, le Contrôle et l'estimation (faire des
projections).
Il est évident que nous appliquons la
régression linéaire dans ce travail, pour faire des projections,
(estimation) du nombre d'unités à recharger par un
client  . Ceci étant, il y a lieu d'atteindre cet avantage, que ce
soit avec la régression linéaire simple ou celle
multilinéaire.
II.3.2.1. La Régression Simple
Il s'agit d'un cas de régression où l'on
considère deux variables dans le but de d'estimer la ou les valeurs de
l'une, dite variable « dépendante », correspondant
à une ou plusieurs valeurs connues de l'autre variable, dite
« indépendante ».
Cependant, la régression linéaire est
conditionnée par les problèmes de corrélation. Ainsi, le
coefficient de corrélation simple, défini dans tous les ouvrages
classiques de statistique que nous avons lus, mesure l'intensité de la
relation linéaire existant entre deux variables. Il peut être
utile notamment, en rapport avec la notion de régression linéaire
simple, dans la prévision ou l'estimation des valeurs d'une variable en
fonction des valeurs d'une autre.
II.3.2.2. La Régression Multiple
Le modèle de régression linéaire
multiple est l'outil statistique le plus habituellement mis en oeuvre pour
l''étude de données multidimensionnelles. Cas particulier de
modèle linéaire, il constitue la généralisation
naturelle de la régression simple que nous venons
d'étudier.
La régression multiple peut être
utilisée chaque fois qu'une variable observe dite variable
dépendante (endogène), doit être exprimée en
fonction de deux ou plusieurs autres variables observées, dites
indépendantes ou explicatives ou mieux exogènes. Le cas le plus
simple est celui où les variables explicatives sont des variables non
aléatoires, leurs valeurs étant toutes choisies à priori
de façon arbitraire.
On suppose alors généralement que la
relation étudiée est linéaire et que les
différentes valeurs de la variable dépendante sont extraites de
distributions normales, indépendantes et de même variance.
| 
