1 Introduction à Scilab - CNRS Orleans
1 Introduction à Scilab - CNRS Orleans
1 Introduction à Scilab - CNRS Orleans
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2. Régression par moindres carrés<br />
Estimez les paramètres a et b par une régression des moindres carrés, sans tenir compte de<br />
l’incertitude sur p. Divisez si nécessaire le spectre de puissance en plusieurs intervalles d’indices<br />
spectraux différents.<br />
3. Régression par moindres carrés pondérée<br />
Comme l’incertitude relative sur la densité de puissance est connue, il est préférable d’intégrer<br />
cette information dans l’estimation par moindres carrés, en pondérant chaque valeur par<br />
l’inverse de son écart-type.<br />
Montrez que si le système <strong>à</strong> résoudre par moindres carrés est Mc = y, avec<br />
⎛<br />
x1 1<br />
x2 1<br />
⎜<br />
M = ⎜<br />
⎝ .<br />
⎟<br />
⎟,<br />
. ⎠<br />
<br />
a<br />
c =<br />
b<br />
xN 1<br />
⎞<br />
⎛<br />
⎜<br />
, y = ⎜<br />
⎝<br />
alors il suffit de diviser tous les éléments de la i-ième ligne de M et de y par σi avant d’opérer<br />
la division c = M\y. Comparez les résultats avec ceux obtenus en 2.<br />
4. Estimation des incertitudes sur a et b<br />
Les estimateurs des incertitudes sur les paramètres a et b, quoique connus analytiquement,<br />
ne sont pas toujours faciles <strong>à</strong> manipuler. Une autre approche consiste <strong>à</strong> utiliser une méthode<br />
de Monte-Carlo (valable seulement si les erreurs sur p sont indépendantes d’une fréquence <strong>à</strong><br />
une autre) :<br />
1. Choisissez un intervalle de fréquences sur lequel il faut estimer a et b.<br />
2. A chaque valeur pi de la densité spectrale dans cet intervalle, ajoutez un nombre aléatoire<br />
distribué suivant une loi normale N (0,σi ). On obtient alors une nouvelle valeur<br />
p ′<br />
i .<br />
3. Estimez les paramètres a ′ et b ′ par régression des moindres carrés sur p ′ .<br />
4. Répétez les étapes 2. et 3. un grand nombre de fois, et mémorisez <strong>à</strong> chaque fois les valeurs<br />
de a ′ et de b ′ .<br />
5. Les meilleurs estimateurs de a et de b sont les moyennes respectivement de a ′ et de b ′ .<br />
Les écarts-type de ces derniers nous donnent une estimation de leur incertitude.<br />
18<br />
y1<br />
y2<br />
.<br />
yN<br />
⎞<br />
⎟<br />
⎠