7543473327

175

i

g

A la p rćduotion, on remplace chaąue ćlóment C., du tableau par une nouaelle valeur C_!_k selon Valgorithme suivant :    ^J

'(ii)

(iii)

(iv)

C¹ ' PP

i/c

(O est le ^J,pivot^,ł) ‘PP

*    * i    g

remplacement de chaque element de la p ‘colonne, .sauf

le pivot, par C!    .

JP -a *    " • _ -

ni

^c1p

,? - c . x c!

jp pp

remplacement de tous les elements C., -du tableau, sauf la

p^e ligne et la p^e colonne, par Cl, :^J

Jk

ck * = c.. + c: x <r. *

jk jp pk    ,

remplacement des elements C , de la p ligne-, sauf le pivot,

par C* :    ^pk

pk • ;

Ck = Ć . * C*

pk    pk pp

Apres’ la derniere (m^e) reduction, les nouveaux elements- Cjj a O

constituent la "matrice inverse" de la regression.    *    *

Nous verrons que leur connaissance est importante pour le calcul

des variances et covariances des coefficients, et donc pour eva-?

luer l'intervalle de confiance d’une estimation par la regression. Les

elements de la m+1^e colonne sont les coefficients de regression b, a b

1 m

Dans notre exemple, les resultats des trois reductions successives (m=3) sont :    *

REDUCTION 1 0,05000000	- 1,65000000	0,10000000	5,05000000
1,65000000	25,15000*000	- 16,30000000	- 49,75000000
- 0,10000000	- 16,30000000	57,90000000	- 10,70000000
REDUCTION 2 0,15825.049	0,06560636	- .0,96938369	• 1,78608349
0,06560636	0,03976143	- 0,64811133	- 1,97813121
0,96938369	0,64811133	47,33578528	- 42,94353876
REDUCTION 3
0,17810238	0,07887895	0,02047887	0,90664807
0,07887895	0,04863523	0,01369178	- 2,56610485
0,02047887	0,01369178	0,02112566	- 0,90721086