Modèles de régression : Comparaison des approches statistique et ensembliste
Résumé
Lorsqu’un système n’est connu qu’à travers un échantillon d’observations, il est usuel de réaliser une régression de façon à estimer les paramètres d’un modèle linéaire de description ou de prédiction. Cet article présente une étude comparative de différents paradigmes de représentation des systèmes linéaires et leur déclinaison dans des problèmes de régression. Trois paradigmes distincts, à savoir les modèles statistiques, les modèles arithmétiques à base d’intervalles et les modèles à base de règles graduelles sont considérés pour la représentation de systèmes linéaires simples à une seule variable explicative. Les méthodes d’estimation associées à ces paradigmes sont utilisées pour répondre à un problème de régression de façon à confronter les différents modèles obtenus.