Résumé:
La plupart des données des méthodes de régression ne sont basées que sur des hypothèses concernant la distribution conditionnelle de la variable dépendante, compte tenu des explicatifs variables. Si nous supposons la normalité des variables d’erreur, l’estimateur peut être considérablement simplifié.Dans cette Thèse , nous proposons un modèle de régression linéaire uniquement à l’origine sous l’hypothèse de non-normalité. Nous considérons ici que les erreurs suivent la loi exponentielle.L’Estimation possible maximum du paramètre dans le modèle est développée sous cette hypothèse. Nous décrivons les propriétés théoriques de l’estimateur proposé, y compris sa distribution limite.De plus, le paramètre de régression est estimé par la méthode standard des moindres carrés pour faire une comparaison. De plus, l’analyse de la production céréalière permet de trancher sur l’importance de certains produits et sur les ressources en eau. L’étude envisagée ici s’appuie sur des méthodes statistiques pour modéliser la production de blé dur, de blé panifiable, d’orge et d’avoine. La première méthode utilisée est l’analyse en composantes principales. Elle a été appliquée pour classer les données afin de déterminer l’importance relative des différentes régions pour l’évaluation de la production céréalière. . Il apparaît que la production de blé dur s’explique conjointement par les précipitations et l’irrigation Cependant, les variations de production du blé tendre, de l’avoine et de l’orge ne peuvent s’expliquer que par les précipitations.
