Calculer un résidu et interpréter son signe
Pour calculer un résidu, soustrais la valeur prédite de la valeur observée, au même point : e = y − ŷ. Un résidu positif indique une prédiction trop basse ; un résidu négatif indique une prédiction trop haute. Un tableau et un graphique originaux permettent de suivre les calculs, puis une vérification inverse aide à repérer les signes inversés.
Calculer un résidu demande trois valeurs bien identifiées
Commence par distinguer trois grandeurs. La valeur x situe le cas étudié sur l’axe horizontal. La valeur observée y figure dans le tableau pour ce cas. La valeur prédite ŷ s’obtient en remplaçant x dans le modèle donné. Le petit chapeau distingue une prédiction d’une observation : ce n’est ni une puissance ni une nouvelle valeur d’entrée.
Nous utilisons la convention e = y − ŷ, qui définit ici un résidu brut. Inverser la soustraction inverse tous les signes. Certains logiciels présentent d’autres mesures d’erreur ou des résidus standardisés : vérifie toujours la définition de la colonne. Dans cet article, la différence conserve l’unité de la variable observée. Il ne s’agit pas d’une erreur exprimée en pourcentage.
Cette tâche ne consiste pas à déterminer l’équation d’une droite. Un exercice peut fournir le modèle et demander seulement de comparer ses prédictions aux observations. Calcule d’abord la valeur prédite, puis l’écart. Le guide d’aide en mathématiques invite à identifier la grandeur recherchée : ici, c’est la différence signée restante, pas la pente ou la valeur observée elle-même.
Associe chaque prédiction à la bonne observation
Imaginons un exercice de montage de petits panneaux d’exposition. x désigne le nombre de panneaux et y la durée en minutes. Les valeurs sont inventées pour apprendre la méthode ; elles ne proviennent pas d’un atelier ni d’une étude. Le modèle proposé est ŷ = 2x + 3 : il prévoit trois minutes de préparation et deux minutes par panneau dans cette situation fictive.
| Panneaux x | Observé y (min) | Prédit ŷ (min) | Résidu e (min) |
|---|---|---|---|
| 1 | 7 | 5 | 2 |
| 2 | 5 | 7 | −2 |
| 3 | 10 | 9 | 1 |
| 4 | 10 | 11 | −1 |
Pour x = 2, le modèle donne ŷ = 2 × 2 + 3 = 7 minutes. La durée observée correspondante vaut cinq minutes. Le résidu est donc e = 5 − 7 = −2 minutes. Pour x = 1, la prédiction vaut cinq minutes et l’observation sept : e = 7 − 5 = +2 minutes. Les deux autres lignes donnent +1 et −1 minute.
Garde ensemble l’entrée, l’observation et la prédiction. Comparer l’observation de cinq minutes à x = 2 avec la prédiction de cinq minutes à x = 1 donnerait un zéro trompeur. Le résidu n’est pas une différence entre deux nombres choisis parce qu’ils se ressemblent. Ils doivent correspondre au même cas et au même modèle. Une ligne par cas rend cette association visible.
Un résidu positif correspond à une prédiction trop basse
À x = 1, le point observé se trouve au-dessus de la droite : sept minutes au lieu des cinq prédites. Son résidu vaut +2 minutes. Le modèle sous-estime donc cette durée de deux minutes. À x = 2, l’observation est sous la droite : cinq minutes au lieu de sept. Le résidu −2 signifie que le modèle surestime cette durée de deux minutes.
Positif ne veut pas dire bon, et négatif ne signifie pas que l’observation est fausse. Le signe indique le sens de l’écart ; sa valeur absolue indique sa taille dans l’unité choisie. Les résidus +2 et −2 ont tous deux une valeur absolue de deux. Un résidu nul signifie seulement que cette observation égale cette prédiction. Il ne valide pas le modèle pour tous les cas.
Précise le sujet de ta phrase. « La durée observée est inférieure de deux minutes à la prédiction » et « le modèle surestime de deux minutes » décrivent le même résidu négatif. Dire simplement « le résultat est trop bas » laisse planer un doute : parles-tu de l’observation ou de la prédiction ? Nomme le modèle lorsque tu emploies surestimer ou sous-estimer.
Mesure un écart vertical dans l’unité de la réponse
Dans un nuage où x est horizontal et y vertical, le résidu brut est un écart vertical signé. Tu fixes x et compares les deux ordonnées. La distance oblique la plus courte entre le point et la droite est une autre grandeur géométrique. Se déplacer horizontalement vers la droite changerait la valeur d’entrée et ne calculerait pas y − ŷ pour le cas de départ.
Nos résidus sont en minutes, car y et ŷ sont des durées. Soustraire un nombre de panneaux d’un nombre de minutes n’aurait pas de sens. Si toutes les durées étaient données en secondes, le résidu −2 minutes deviendrait −120 secondes. L’écart réel et son signe resteraient identiques. On ne compare donc pas directement les tailles numériques d’écarts exprimés dans des unités différentes.
Sur un dessin, lis l’échelle verticale au lieu de compter des pixels. Agrandir l’image modifie les distances sur l’écran, mais pas un résidu de deux minutes. Si l’équation est fournie, le calcul donne généralement une prédiction plus précise qu’une lecture sur un trait épais. Le guide des problèmes rédigés aide à conserver les grandeurs et leurs unités à côté des nombres.
Essaie la prochaine étape avec ton exercice.
Apporte ton exercice et ta tentative dans Lirno. Demande un indice, discute du raisonnement, puis essaie la prochaine étape par toi-même.
Des écarts opposés peuvent se compenser sans disparaître
Les résidus du tableau ont pour somme 2 − 2 + 1 − 1 = 0. Pourtant, aucune observation n’égale sa prédiction. Le total signé masque les écarts individuels. La somme des valeurs absolues vaut 2 + 2 + 1 + 1 = 6 minutes. En divisant par quatre, tu obtiens un écart absolu moyen de 1,5 minute pour ces quatre cas fictifs. Chaque cas ne s’écarte pas nécessairement de 1,5 minute.
La droite était donnée : nous ne prétendons pas avoir calculé la meilleure droite d’ajustement. Une somme nulle ne suffit pas à l’établir. Avec les moindres carrés ordinaires non pondérés et une constante, les résidus des données utilisées pour l’ajustement ont une somme nulle, aux arrondis près. Cette propriété ne s’applique pas automatiquement à n’importe quelle droite proposée ou à de nouvelles données.
Garde les observations et remplace le modèle par ŷ = 2x + 4. Les prédictions deviennent 6, 8, 10 et 12 ; les résidus +1, −3, 0 et −2 totalisent −4 minutes. La règle de soustraction ne change pas. La référence du NIST sur la validation des modèles définit les résidus par rapport aux prédictions correspondantes et explique les limites d’un indicateur unique.
Cherche un motif sans en déduire une cause
Un graphique des résidus peut garder x en abscisse et placer e en ordonnée. Les quatre coordonnées seraient (1 ; 2), (2 ; −2), (3 ; 1) et (4 ; −1), avec une ligne horizontale de référence à zéro. Dans le nuage initial, les ordonnées représentaient des durées observées. Dans ce nouveau graphique, elles représentent des résidus en minutes. L’étiquette de l’axe doit changer.
Sur un jeu de données plus fourni, une courbure ou une autre structure régulière peut indiquer que le modèle manque une partie du comportement. Un étalement croissant invite à examiner la variabilité. La leçon de l’UTC sur le graphique des résidus présente ce rôle diagnostique. Quatre points fictifs ne suffisent pas à confirmer les hypothèses d’un processus réel : ils servent ici à pratiquer le calcul.
Un grand résidu justifie d’examiner le cas, ses valeurs, ses unités et le modèle. Il n’autorise pas automatiquement à supprimer l’observation. Un petit résidu ne prouve pas davantage que modifier x cause une modification de y. Contrôler un modèle, expliquer une cause et vérifier une valeur recopiée sont des questions différentes. Limite d’abord ta conclusion à ce que montre réellement l’écart.
Retrouve l’observation en ajoutant le résidu à la prédiction
Supposons que ta deuxième ligne indique e = 7 − 5 = +2. La soustraction est correcte, mais tu as inversé les rôles. Pars des cinq minutes observées et soustrais les sept prédites : tu obtiens −2. Pour vérifier indépendamment, réarrange la définition : observation = prédiction + résidu. Sept plus moins deux redonne les cinq minutes du tableau.
Le résultat incorrect +2 reconstruirait 7 + 2 = 9, pas cinq. Cette vérification aide à comprendre le signe au lieu de mémoriser seulement « sous la droite, c’est négatif ». Utilise les deux contrôles : le dessin indique la direction, l’addition vérifie la relation numérique. Si le signe calculé contredit la position du point, commence par revoir l’association observation-prédiction avant de modifier le modèle.
Ta note de correction peut nommer la décision : « J’ai soustrait l’observé du prédit ; je dois identifier y et ŷ avant de calculer. » La méthode d’analyse des erreurs permet d’associer cette note à un nouvel exercice. Recopier seulement le bon nombre laisse le même piège intact lorsqu’une autre équation ou un nouveau contexte apparaît.
Résous trois nouveaux cas avec une autre équation
Cache le premier tableau. Un autre modèle fictif de montage est ŷ = 3x + 2 minutes. Pour x = 2, la durée observée vaut sept minutes ; pour x = 4, seize ; pour x = 3, onze. Calcule chaque prédiction, puis chaque résidu. Identifie le cas surestimé, le cas sous-estimé et celui qui correspond exactement au modèle.
Les prédictions valent 8, 14 et 11 minutes. Les résidus sont 7 − 8 = −1, 16 − 14 = +2 et 11 − 11 = 0 minute. Le modèle surestime le premier cas d’une minute et sous-estime le deuxième de deux minutes. La dernière observation égale sa prédiction. Vérifie : 8 + (−1) = 7, 14 + 2 = 16 et 11 + 0 = 11.
Explique ensuite un signe sans consulter les réponses. Un résidu positif place l’observation au-dessus de la droite donnée à cette abscisse ; la prédiction était donc trop basse. Tu as vérifié une différence, sans établir de causalité ni garantir la précision future. Pour le prochain exercice, reprends les mêmes trois repères : valeur d’entrée, réponse observée et réponse prédite.
Questions sur cette méthode
Un résidu positif signifie-t-il une surestimation ?
Avec e = observé − prédit, c’est l’inverse : l’observation dépasse la prédiction, donc le modèle sous-estime. Un résidu négatif correspond à une surestimation.
Le résidu est-il la plus courte distance à la droite ?
Pas dans cette convention de régression. C’est l’écart vertical signé à la même abscisse, exprimé dans l’unité de la réponse. La distance perpendiculaire à la droite est une autre grandeur.
Une somme nulle de résidus prouve-t-elle un ajustement parfait ?
Non. Des écarts positifs et négatifs peuvent se compenser. Examine les tailles individuelles et les motifs. La somme nulle sur les données ajustées est une propriété des moindres carrés sous certaines conditions, pas une garantie générale.