Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.
Concept
Distance de Cook
Résumé
En statistique, la distance de Cook est couramment utilisée pour estimer l'influence d'une donnée lors de l'utilisation de méthodes des moindres carrés.
Dans le cas général, de l'utilisation de la méthode des moindres carrés, la distance de Cook peut être utilisée de plusieurs façons : pour indiquer les données qu'il serait intéressant de vérifier; pour indiquer les régions de l'espace de conception où il serait bon d'être en mesure d'obtenir plus de points de données. Ce nom vient du statisticien américain R. Dennis Cook, qui a introduit le concept en 1977.
La distance de Cook mesure l'effet de la suppression d'une donnée. Les données avec d'importants résidus (Données aberrantes) et/ou fort effet de levier peuvent fausser le résultat et la précision d'une régression. Les points ayant une distance de Cook importante sont considérées comme méritant un examen plus approfondi dans l'analyse. Pour l'expression algébrique, il faut définir d'abord :
comme une matrice de projection (matrice de projection des observations de chaque variable explicative). Ensuite, nous avons , qui est l'estimation MCO de qui résulte de l'omission de la -ème observation (). Ensuite, nous avons :
où est le résidu (i.e. la différence entre la valeur observée et la valeur ajustée par le modèle proposé) pour l'individu , et , défini comme :
est l'influence, i.e., le -ème élément de la diagonale de . Avec cela, nous pouvons définir la distance de Cook comme :
où est le nombre de paramètres ajustés, et est l'erreur quadratique moyenne du modèle de régression. L'expression suivante est algébriquement équivalente :
où est l'estimateur MCO de la variance du terme d'erreur, défini comme :
Et une troisième expression équivalente est :
où :
est la prédiction du modèle de régression complète pour l'observation j ;
est la prédiction pour l'observation j à partir d'un modèle de régression ajustée dans lequel l'observation i a été omise.
Il y a des opinions différentes au sujet de quel seuil les valeurs à utiliser pour repérer des points sont très influents.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.