À quoi sert la méthode des moindres carrés pour ajuster les ventes ?

Réponse courte

La méthode des moindres carrés choisit la droite qui minimise la somme des carrés des écarts verticaux entre les ventes observées et celles estimées par la droite. Elle résume une tendance des données, sans prouver que la publicité cause les ventes ni garantir les ventes futures.

Comprendre

Un modèle pour résumer les observations

On relève des couples (xᵢ ; yᵢ), par exemple le budget publicitaire et le nombre d’articles vendus. Une droite y = ax + b permet d’estimer y à partir de x. Les points ne sont généralement pas tous sur cette droite ; leur écart vertical signé est le résidu rᵢ = yᵢ − (axᵢ + b).

Pourquoi les carrés ?

La méthode des moindres carrés choisit a et b afin de rendre minimale la somme r₁² + r₂² + … + rₙ². Le carré empêche les résidus positifs et négatifs de s’annuler. Les grands écarts pèsent davantage que les petits. Une calculatrice ou un tableur peut déterminer les coefficients de la droite de régression.

Exemple sur cinq semaines

Pour les données (1 ; 3), (2 ; 5), (3 ; 4), (4 ; 8) et (5 ; 10), la droite y = 1,7x + 0,9 donne les estimations 2,6 ; 4,3 ; 6 ; 7,7 ; 9,4. Les résidus sont 0,4 ; 0,7 ; −2 ; 0,3 ; 0,6 ; leur somme de carrés vaut 0,16 + 0,49 + 4 + 0,09 + 0,36 = 5,1.

Comment interpréter ?

Cette droite ajuste les données selon le critère choisi. Son coefficient directeur décrit une association dans la série ; il ne démontre pas un lien de cause à effet. Une prévision hors de la plage de budgets observés est une extrapolation et demande encore plus de prudence.

Deux erreurs fréquentes

Additionner les résidus non élevés au carré permettrait à des écarts opposés de s’annuler, sans mesurer l’ajustement. Et minimiser la somme des carrés pour les données disponibles n’assure pas que la droite prédira correctement une autre période.

Étapes

  1. Repère les couples de valeurs observées et leur unité.
  2. Calcule ou obtiens la droite de régression y = ax + b.
  3. Pour chaque couple, trouve l’estimation axᵢ + b puis le résidu observé moins estimé.
  4. Élève chaque résidu au carré et additionne-les pour évaluer l’ajustement.
  5. Interprète la tendance sans lui attribuer une causalité non démontrée.

Exemples

  • Pour (4 ; 8) et y = 1,7x + 0,9, l’estimation est 7,7 et le résidu vaut 0,3.
  • Les résidus 0,4 ; 0,7 ; −2 ; 0,3 ; 0,6 ont pour carrés une somme de 5,1.
  • Pour la droite y = 2x sur les mêmes cinq observations, les résidus 1 ; 1 ; −2 ; 0 ; 0 donnent une somme des carrés égale à 6.

Pièges fréquents

  • La méthode minimise les carrés des écarts verticaux, pas la somme simple des résidus qui peut s’annuler par compensation.
  • Une association entre publicité et ventes ne prouve pas que changer la publicité provoquera à lui seul le changement prédit.

Pourquoi ça marche

Le carré rend chaque écart non négatif et amplifie les écarts importants ; la somme mesure alors globalement l’ajustement vertical de la droite.

Et maintenant ?

Questions proches

← Toutes les questions-réponses