La régression polynomiale est une généralisation de la régression linéaire qui consiste, à partir d'un ensemble de couples (x_i, y_i) (i = 1 .. n), à trouver une fonction linéaire y = f(x) = a * x + b qui minimise la somme des carrés des écarts entre les y_i et les f(x_i) ( somme pour i = 1 à n de (f(x_i) - y_i) ^ 2 ).
La régression polynomiale de degré p consiste à trouver, à partir d'un ensemble de couples (x_i, y_i), une fonction polynomiale y = f(x) = a_0 + a_1 * x + a_2 * x^2 + ... + a_p * x^p qui minimise la somme des carrés des écarts entre les y_i et les f(x_i) (somme de i = 1 à n de (f(x_i) - y_i) ^ 2 ).
La régression polynomiale de degré 0 correspond à la moyenne des y_i, et la régression polynomiale de degré 1 correspond à la régression linéaire.
Soit un ensemble de couples (x_i, y_i) ( i = 1 ... n ). On cherche la valeur des 3 coefficents a_0, a_1, a_2 qui minimise :
S = somme pour i = 1 à n de ((f(x_i) - y_i) ^ 2)
= somme de ((a_0 + a_1 * x + a_2 * x^2 - y_i) ^ 2) ( Sauf indication contraire, somme représentera la somme pour i = 1 à n )
La dérivée partielle de S par rapport à a_0, a_1, a_2 respectivement est donc nulle :
( n somme(x_i) somme(x_i^2) ) ( a_0 ) ( somme(y_i) ) ( somme(x_i) somme(x_i^2) somme(x_i^3) ) ( a_1 ) = ( somme(x_i*y_i) ) ( somme(x_i^2) somme(x_i^3) somme(x_i^4) ) ( a_2 ) ( somme(x_i^2*y_i) )La solution est :
-1 ( a_0 ) ( n somme(x_i) somme(x_i^2) ) ( somme(y_i) ) ( a_1 ) = ( somme(x_i) somme(x_i^2) somme(x_i^3) ) ( somme(x_i*y_i) ) ( a_2 ) ( somme(x_i^2) somme(x_i^3) somme(x_i^4) ) ( somme(x_i^2*y_i) )
( 1 moyenne(x_i) moyenne(x_i^2) ) ( a_0 ) ( moyenne(y_i) ) ( moyenne(x_i) moyenne(x_i^2) moyenne(x_i^3) ) ( a_1 ) = ( moyenne(x_i*y_i) ) ( moyenne(x_i^2) moyenne(x_i^3) moyenne(x_i^4) ) ( a_2 ) ( moyenne(x_i^2*y_i) )et :
-1 ( a_0 ) ( 1 moyenne(x_i) moyenne(x_i^2) ) ( moyenne(y_i) ) ( a_1 ) = ( moyenne(x_i) moyenne(x_i^2) moyenne(x_i^3) ) ( moyenne(x_i*y_i) ) ( a_2 ) ( moyenne(x_i^2) moyenne(x_i^3) moyenne(x_i^4) ) ( moyenne(x_i^2*y_i) )
La courbe lissée est définie par :
y = f(x) = a_0(x) + a_1(x) * x + a_2(x) * x^2
La régression polynomiale mobile exponentielle de degré 0 correspond à la moyenne mobile exponentielle, et la régression polynomiale mobile exponentielle de degré 1 correspond à la régression linéaire mobile exponentielle.