Histoire de deux variables

Introduction à la régression en R

Richie Cotton

Data Evangelist at DataCamp

Données d'assurance auto suédoise

  • Chaque ligne représente une région de Suède.
  • Il y a 63 lignes.
n_claims total_payment_sek
108 392.5
19 46.2
13 15.7
124 422.2
40 119.4
... ...
Introduction à la régression en R

Statistiques descriptives

library(dplyr)
swedish_motor_insurance %>% 
  summarize_all(mean)

# A tibble: 1 x 2
  n_claims total_payment_sek
     <dbl>             <dbl>
1     22.9              98.2

swedish_motor_insurance %>% 
  summarize(
    correlation = cor(n_claims, total_payment_sek)
  )

# A tibble: 1 x 1
  correlation
        <dbl>
1       0.881
Introduction à la régression en R

Qu'est-ce que la régression ?

  • Modèles statistiques pour explorer la relation entre une variable réponse et des variables explicatives.
  • Avec des valeurs explicatives données, vous pouvez prédire la variable réponse.
n_claims total_payment_sek
108 392.5
19 46.2
13 15.7
124 422.2
40 119.4
200 ???
Introduction à la régression en R

Jargon

Variable réponse (a.k.a. variable dépendante)

La variable à prédire.

Variables explicatives (a.k.a. variables indépendantes)

Les variables qui expliquent l'évolution de la variable réponse.

Introduction à la régression en R

Régression linéaire et régression logistique

Régression linéaire

  • La variable réponse est numérique.

Régression logistique

  • La variable réponse est logique.

Régression linéaire/logistique simple

  • Une seule variable explicative.
Introduction à la régression en R

Visualiser des paires de variables

library(ggplot2)

ggplot(
  swedish_motor_insurance, 
  aes(n_claims, total_payment_sek)
) +
  geom_point()

Nuage de points du paiement total selon le nombre de réclamations. Le paiement augmente avec le nombre de réclamations.

Introduction à la régression en R

Ajouter une tendance linéaire

library(ggplot2)

ggplot(
  swedish_motor_insurance, 
  aes(n_claims, total_payment_sek)
) +
  geom_point() +
  geom_smooth(
    method = "lm", 
    se = FALSE
  )

Le même nuage de points, avec une ligne de tendance issue d'une régression linéaire. L'ajustement est raisonnable.

Introduction à la régression en R

Déroulement du cours

Chapitre 1

Visualiser et ajuster des modèles de régression linéaire.

Chapitre 2

Prédire avec des modèles linéaires et comprendre les coefficients.

Chapitre 3

Évaluer la qualité du modèle linéaire.

Chapitre 4

Même démarche avec des modèles logistiques.

Introduction à la régression en R

Passons à la pratique !

Introduction à la régression en R

Preparing Video For Download...