A voir également:
- Méthode des moindres carrés matlab
- Dans le document à télécharger, léa a utilisé 2 méthodes différentes pour centrer le nom des continents. lesquels sont centrés correctement ? ✓ - Forum Javascript
- Méthode des tangentes excel ✓ - Forum Excel
- Méthode de cholesky matlab - Forum Matlab
- La méthode range de l'objet worksheet a échoué ✓ - Forum VB / VBA
- La methode de connexion que vous utilisez n'est pas autorisée ✓ - Forum Réseau
12 réponses
Char Snipeur
Messages postés
9696
Date d'inscription
vendredi 23 avril 2004
Statut
Contributeur
Dernière intervention
3 octobre 2023
1 297
20 mars 2008 à 16:44
20 mars 2008 à 16:44
un projet qui dure 15 j et fait 70% de la moyenne de l'année ? et ben, c'est vache ça !
Ton avenir est en jeux, mais te donner la solution n'ai pas forcement une bonne chose. Tu devrai de poser des questions en effet sur ton avenir. Buter autant sur un projet si important... que fera tu dans ton futur travail si on te demande des choses similaire ??
1-fabriqué une courbe, c'est facile, mais qu'est-ce que tu veux comme courbe ?
2- je ne vois pas la différence avec 1-
3- Pour lisser avec les moindre carré, je ne vois pas comme ça. Je sais faire des filtres et interpoler par méthode des moindres carré. Le problème, c'est que cette dernière méthode demande une fonction à corrélé.
Ton avenir est en jeux, mais te donner la solution n'ai pas forcement une bonne chose. Tu devrai de poser des questions en effet sur ton avenir. Buter autant sur un projet si important... que fera tu dans ton futur travail si on te demande des choses similaire ??
1-fabriqué une courbe, c'est facile, mais qu'est-ce que tu veux comme courbe ?
2- je ne vois pas la différence avec 1-
3- Pour lisser avec les moindre carré, je ne vois pas comme ça. Je sais faire des filtres et interpoler par méthode des moindres carré. Le problème, c'est que cette dernière méthode demande une fonction à corrélé.
mikila
Messages postés
1
Date d'inscription
mardi 11 mars 2008
Statut
Membre
Dernière intervention
11 mars 2008
2
11 mars 2008 à 15:51
11 mars 2008 à 15:51
slt j'ai besoin d'aide j'ai un programme sur la méthode de moindre carré et je connais rien en matlab et ce projet compte a 70% de ma moyenne il sagite de
1- fabriqué une courb
2- générer une courb
3- lisser le signal bruité par la moindre carré et le suprimé ce bruit
svp aidée moi car c urgent c mon avenir qui est en jeux merci d'avance
1- fabriqué une courb
2- générer une courb
3- lisser le signal bruité par la moindre carré et le suprimé ce bruit
svp aidée moi car c urgent c mon avenir qui est en jeux merci d'avance
%******************************************
% Génération de données expérimentales: *
% y=1./(1+exp(-x))+0.05*randn(1,length(x))*
%******************************************
clc; % Effacer l'écran
clear all; % Effacer des variables de l'espace de travail
x=-5:0.1:5; % Intervalle de définition et de calcul de la sigmoïde
% Fonction sigmoïde bruitée
y=1./(1+exp(-x))+0.05*randn(1,length(x));
plot (x,y); % Tracé de la sigmoïde bruitée
title('Fonction sigmoïde bruitée - Polynôme d''interpolation');
xlabel('x');ylabel('y');
% Polynôme d'interpolation d'ordre 1
P=polyfit(x,y,1);
% Valeurs du polynôme d'interpolation
Vp=polyval(P,x);
% Tracé du polynôme d'interpolation
hold on;
plot(x,Vp,'--');
% Calcul de l'erreur d'interpolation
erreur=y-Vp;
% Tracé de la courbe de l'erreur
plot(x,erreur,':')
grid
gtext('Mesures')
gtext('Erreur')
gtext('Modèle')
hold off
% Affichage du polynôme d'interpolation
disp('Polynôme d''interpolation')
P
Var_erreur=num2str(std(erreur).^2);
disp(['La variance de l''erreur d''interpolation est : ',Var_erreur])
% Génération de données expérimentales: *
% y=1./(1+exp(-x))+0.05*randn(1,length(x))*
%******************************************
clc; % Effacer l'écran
clear all; % Effacer des variables de l'espace de travail
x=-5:0.1:5; % Intervalle de définition et de calcul de la sigmoïde
% Fonction sigmoïde bruitée
y=1./(1+exp(-x))+0.05*randn(1,length(x));
plot (x,y); % Tracé de la sigmoïde bruitée
title('Fonction sigmoïde bruitée - Polynôme d''interpolation');
xlabel('x');ylabel('y');
% Polynôme d'interpolation d'ordre 1
P=polyfit(x,y,1);
% Valeurs du polynôme d'interpolation
Vp=polyval(P,x);
% Tracé du polynôme d'interpolation
hold on;
plot(x,Vp,'--');
% Calcul de l'erreur d'interpolation
erreur=y-Vp;
% Tracé de la courbe de l'erreur
plot(x,erreur,':')
grid
gtext('Mesures')
gtext('Erreur')
gtext('Modèle')
hold off
% Affichage du polynôme d'interpolation
disp('Polynôme d''interpolation')
P
Var_erreur=num2str(std(erreur).^2);
disp(['La variance de l''erreur d''interpolation est : ',Var_erreur])
Char Snipeur
Messages postés
9696
Date d'inscription
vendredi 23 avril 2004
Statut
Contributeur
Dernière intervention
3 octobre 2023
1 297
21 mars 2008 à 08:52
21 mars 2008 à 08:52
piste (30s sur google) :
https://forums.ni.com/t5/Discussions-au-sujet-des-autres/Lissage-par-la-m%C3%A9thode-des-moindres-carr%C3%A9s/m-p/487384?profile.language=en
et si tu as un peu de sous à dépenser (si ton avenir est en jeu, c'est pas 6 € qui t'arreteront)
https://www.pimido.com/matieres-scientifiques-et-technologiques/informatique/dissertation/lissage-d-images-par-les-moindres-carres-548517.html
Mais je pense qu'il faut un fonction.
Par exemple, imaginons que nous ayons un nuage de point. Nous supposons, ou la théorie nous dit qu'ils doivent respecter une loi linéaire.
Nous cherchons alors une droite d'équation y=m·x+p, de tel manière que l'on colle le mieux au résultat.
Le méthode des moindres carrés est la pour ça : déterminer la meilleur droite, c'est à dire les coefficient m et p permettant de coller le plus au nuage de point.
La méthode considère que la "distance" à la courbe est le critère pour y coller le mieux. Donc, on fait la somme des distance au carré :
sum (p(i)-(m·x(i)+p))²
Comme on veux que cette somme soit la plus petite possible, car c'est la valeur ayant les distances les plus faible, on cherche à annuler le gradient (en un minimum, le gradient est toujours nul).
On dérive donc la somme par m et p, et on cherche le minimum.
https://forums.ni.com/t5/Discussions-au-sujet-des-autres/Lissage-par-la-m%C3%A9thode-des-moindres-carr%C3%A9s/m-p/487384?profile.language=en
et si tu as un peu de sous à dépenser (si ton avenir est en jeu, c'est pas 6 € qui t'arreteront)
https://www.pimido.com/matieres-scientifiques-et-technologiques/informatique/dissertation/lissage-d-images-par-les-moindres-carres-548517.html
Mais je pense qu'il faut un fonction.
Par exemple, imaginons que nous ayons un nuage de point. Nous supposons, ou la théorie nous dit qu'ils doivent respecter une loi linéaire.
Nous cherchons alors une droite d'équation y=m·x+p, de tel manière que l'on colle le mieux au résultat.
Le méthode des moindres carrés est la pour ça : déterminer la meilleur droite, c'est à dire les coefficient m et p permettant de coller le plus au nuage de point.
La méthode considère que la "distance" à la courbe est le critère pour y coller le mieux. Donc, on fait la somme des distance au carré :
sum (p(i)-(m·x(i)+p))²
Comme on veux que cette somme soit la plus petite possible, car c'est la valeur ayant les distances les plus faible, on cherche à annuler le gradient (en un minimum, le gradient est toujours nul).
On dérive donc la somme par m et p, et on cherche le minimum.
Char Snipeur
Messages postés
9696
Date d'inscription
vendredi 23 avril 2004
Statut
Contributeur
Dernière intervention
3 octobre 2023
1 297
21 mars 2008 à 08:59
21 mars 2008 à 08:59
J'ai aussi trouver ça :
https://codes-sources.commentcamarche.net/
qui parle de "lissage par méthode des moindres carrés", la encore il se donne une fonction, ici un polynôme de degrés p.
https://codes-sources.commentcamarche.net/
qui parle de "lissage par méthode des moindres carrés", la encore il se donne une fonction, ici un polynôme de degrés p.
Vous n’avez pas trouvé la réponse que vous recherchez ?
Posez votre question
Salut tous le monde !!
Voici un exercice en stat à convertir en Pascal ,je garde rien des stats ni des matrices !!
Enoncé du problème :
Dans le cadre de l'élaboration d'un plan de développement à titre
indicatif, un groupe d'économètre doivent fournir une prévision des
importations pour l'année 2010. Les importations leurs paraissent
être liées à la production industrielle de ce pays. Or ils disposent
d'une série chronologique des importations entre 1996-2005 d'une
série de la production industrielle pour la même période et enfin
d'une prévision de la production pour 2010.
Au cours d'une première approche et par souci de simplification, ils
adoptent un modèle linéaire simple à une variable explicative, puis
plusieurs variables explicatives.
Nous avons le tableau suivant :
Milliards UM
années Imp. PIB Pc C
1996 197 1000 100 710
1997 222 1008 102 760
1998 222 1120 108 785
1999 257 1220 95 855
2000 275 1300 98 915
2001 290 1340 90 930
2002 294 1420 115 990
2003 318 1480 102 1030
2004 335 1560 93 1080
2005 360 1620 92 1115
Imp. : les importations.
PIB : production industrielle brut.
Pc : Indice de compétitivité.
C : consommation de ménage de pays.
Il vous est demandé de :
1/ L'écriture matricielle du modèle d'importation : fonction de la
production industrielle brute et l'indice de compétitivité.
2/ Le calcul du modèle estimé notamment :
-la matrice des variances et covariances de Ut, variable aléatoire
exogène.
-La matrice des variances covariances estimé de a*.
-Les prévisions ponctuelles des valeurs des importations pour l'année
2006.
On donne le modèle d'importation :
Mt = a1Yt + a2Pc + a3 + Ut
L'estimation se fait par la méthode des moindres carrés (pour α = 5%)
Transformer le problème ci-dessus en programme Pascal.
Voici un exercice en stat à convertir en Pascal ,je garde rien des stats ni des matrices !!
Enoncé du problème :
Dans le cadre de l'élaboration d'un plan de développement à titre
indicatif, un groupe d'économètre doivent fournir une prévision des
importations pour l'année 2010. Les importations leurs paraissent
être liées à la production industrielle de ce pays. Or ils disposent
d'une série chronologique des importations entre 1996-2005 d'une
série de la production industrielle pour la même période et enfin
d'une prévision de la production pour 2010.
Au cours d'une première approche et par souci de simplification, ils
adoptent un modèle linéaire simple à une variable explicative, puis
plusieurs variables explicatives.
Nous avons le tableau suivant :
Milliards UM
années Imp. PIB Pc C
1996 197 1000 100 710
1997 222 1008 102 760
1998 222 1120 108 785
1999 257 1220 95 855
2000 275 1300 98 915
2001 290 1340 90 930
2002 294 1420 115 990
2003 318 1480 102 1030
2004 335 1560 93 1080
2005 360 1620 92 1115
Imp. : les importations.
PIB : production industrielle brut.
Pc : Indice de compétitivité.
C : consommation de ménage de pays.
Il vous est demandé de :
1/ L'écriture matricielle du modèle d'importation : fonction de la
production industrielle brute et l'indice de compétitivité.
2/ Le calcul du modèle estimé notamment :
-la matrice des variances et covariances de Ut, variable aléatoire
exogène.
-La matrice des variances covariances estimé de a*.
-Les prévisions ponctuelles des valeurs des importations pour l'année
2006.
On donne le modèle d'importation :
Mt = a1Yt + a2Pc + a3 + Ut
L'estimation se fait par la méthode des moindres carrés (pour α = 5%)
Transformer le problème ci-dessus en programme Pascal.
je suis a mesure de vous rendre un service pour se faire, il vous vaudra mettre a ma disposition des données relatif à la creation de la courbe et le reste s'en suivra
faite moi savoir votre serie chronologique
faite moi savoir votre serie chronologique
mikonam
Messages postés
1
Date d'inscription
mardi 18 novembre 2008
Statut
Membre
Dernière intervention
19 novembre 2008
19 nov. 2008 à 11:22
19 nov. 2008 à 11:22
SLt les gas j'aimerais bien avoir des cours sur les méthodes d'optimisation des systèmes linéaires par le moindre carre et le gradient et meme des programme matlab et quelques exercices merci
alors tjr pas d'idée sur mon travaille svp éssayer de me donné en moin un signe car il me rest 5jours j'ai une petit aidée mais se que je n'arrive pas a fair le lissage
svp
svp
merci de m'avoir répondue j'ai fait la premiére et la 2éme question mais la 3éme je n'ai aucune aidée .il nous on demander de supprimé le bruit (lissage,smoothing) par la moindre carré et la ???????????????alors quesque t'en dit?
je suis justement en face de ce problème là pour un cas de traitement du signal.
Comme Matlab est quand même plutôt pas trop mal foutu, et que tu sais que tu veux faire avec la méthode des moindres carrés, tu cherches ça dans l'aide (least squares en anglais)
là, tu trouves la super fonction polyfit, qui elle est basée sur la méthode des moindres carrés, et te donne les coefficients du polynome de régression. C'est toi qui choisi le degré de ton polynome en fonction de ta courbe de départ (ordre 1, regression linéaire, ordre 2, carré, ordre 3, cubique, ...)
ensuite, je ferais une moyenne glissante sur quelque points avec l'aide d'une petite boucle.
Si on nomme x mon signal, et t ma base, et n mon nombre de points (je veux donc filtrer x(t)), et si je calcule une regression glissante sur 4 points qui me donne le signal filtré y
for i=3:n-1
%calcul des coeff du polynome de regression pour le point i, à l'ordre 1
p=polyfit(t(i-2 : i+1), x (i-2 : i+1),1)
%calcul du point i
y(i)=p(1)*t(i)+p(2)
end
ensuite, tu initialises et tu termines ton signal filtré comme tu peux, par exemple avec les points non filtrés, ou filtrés différemment
tu peux bien sur adapter le degré et le nombre de points comme tu le sens en fonction de ton cas spécifique
Comme Matlab est quand même plutôt pas trop mal foutu, et que tu sais que tu veux faire avec la méthode des moindres carrés, tu cherches ça dans l'aide (least squares en anglais)
là, tu trouves la super fonction polyfit, qui elle est basée sur la méthode des moindres carrés, et te donne les coefficients du polynome de régression. C'est toi qui choisi le degré de ton polynome en fonction de ta courbe de départ (ordre 1, regression linéaire, ordre 2, carré, ordre 3, cubique, ...)
ensuite, je ferais une moyenne glissante sur quelque points avec l'aide d'une petite boucle.
Si on nomme x mon signal, et t ma base, et n mon nombre de points (je veux donc filtrer x(t)), et si je calcule une regression glissante sur 4 points qui me donne le signal filtré y
for i=3:n-1
%calcul des coeff du polynome de regression pour le point i, à l'ordre 1
p=polyfit(t(i-2 : i+1), x (i-2 : i+1),1)
%calcul du point i
y(i)=p(1)*t(i)+p(2)
end
ensuite, tu initialises et tu termines ton signal filtré comme tu peux, par exemple avec les points non filtrés, ou filtrés différemment
tu peux bien sur adapter le degré et le nombre de points comme tu le sens en fonction de ton cas spécifique
