[PDF] [PDF] Chapitre 3 RÉGRESSION ET CORRÉLATION - Statistiques

[PDF] tdr522 ————— Rappel sur le rapport de corrélation et Exemple d

17 nov 2009 · 1 Rapport de corrélation Pour étudier le relation entre une variable qualitative et une variable quanti- tative, on décompose la variation totale 

[PDF] Analyse de corrélation - Université Lumière Lyon 2

Reste à former le rapport, la corrélation entre la cylindrée et la puissance est ˆr = 0 9475 La fonction "COEFFICIENT CORRELATION( )" du tableur EXCEL 

[PDF] Le rapport de corrélation multiple et ses applications - Numdam

LINDA VITTORIA DE CAROLIS Le rapport de corrélation multiple et ses applications Journal de la société statistique de Paris, tome 133, no 1-2 (1992), p

[PDF] Cours 12 : Corrélation et régression

Test sur le coefficient de corrélation de Pearson de Y en fonction de X) est donnée comme le rapport de la covariance sur la variance des X Donc : 2 2 X XY

[PDF] Chapitre 3 Etude de la liaison entre deux variables Analyse

Indicateur numérique de sens et d'intensité : coefficient de corrélation a ) Graphique : nuage La loi est symétrique par rapport au centre 0 Elle dépend de n

[PDF] Séance 3: Liaisons entre variables - Analyse des individus

Rapport de corrélation théorique Liaison entre variable num´erique et variable qualitative Y quantitative et X qualitative Rapport de corrélation défini par :

[PDF] Corrélation et régression linéaire simple - UNF3S

Corrélation / régression : liaison entre 2 variables quantitatives Le rapport de l' estimateur du coefficient de corrélation r sur son écart- type suit une loi de 

[PDF] Chapitre 3 RÉGRESSION ET CORRÉLATION - Statistiques

relativement élevé en valeur absolue par rapport aux autres La covariance et par suite le coefficient de corrélation en dépendent beaucoup On trouve :

[PDF] Chapitre 3 Les distributions à deux variables - Laboratoire Jean

Définition de la dépendance totale χ2 et coefficient de Cramer Mesure de la liaison fonctionnelle Courbes de régression Rapport de corrélation Régression  

[PDF] coefficient de corrélation - interprétation

[PDF] régression linéaire

[PDF] coefficient de corrélation r2

[PDF] régression statistique

[PDF] nuage de points statistique

[PDF] exercice covariance statistique corrigé

[PDF] psychologie et pédagogie jean piaget

[PDF] pédagogie et éducation différence

[PDF] spallation cosmique

[PDF] nucléosynthèse primordiale

[PDF] la personne que j'admire le plus est ma mere

[PDF] nucléosynthèse des éléments chimiques

[PDF] nucléosynthèse interstellaire

[PDF] nucléosynthèse dans les étoiles

[PDF] nucléosynthèse explosive

Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/StatPC

Chapitre 3

RÉGRESSION ET CORRÉLATION

La corrélation est une notion couramment utilisée dans toutes les applications

statistiques. Elle permet d"étudier la liaison que l"on rencontre fréquemment entre deux

variables dans toutes les sciences humaines ou appliquées. Toutefois, la définition statistique

de la corrélation est plus précise que le sens courant du terme : elle ne concerne que des variables statistiques quantitatives, c"est-à-dire dont on peut calculer les moyennes. Considérons par exemple une étude menée par l"hypermarché EUROMARKET. Le

directeur commercial de cet hypermarché se propose d"étudier l"âge et le revenu annuel de sa

clientèle, afin de positionner l"hypermarché parmi la concurrence. Il commence bien entendu par analyser chaque critère séparément : calcul de l"âge moyen, du revenu moyen, etc. Sa démarche consiste ensuite à détecter le lien entre les deux critères : comment ces

deux critères sont-ils répartis dans la population observée l"un par rapport à l"autre ? Quelle

est la nature de la liaison observée ? L"explication de cette liaison est-elle une information utile à la politique commerciale de l"entreprise ? Dans le texte qui suit, les deux variables considérées jouent exactement le même rôle.

La régression, fondée sur la notion de corrélation mais qui donne aux variables des rôles

différents, est expliquée dans le chapitre 7.

Chapitre 3 page 2 Régression et corrélation

1.

REPRÉSENTATIONS GRAPHIQUES.

Les données se présentent sous la forme d"une suite de n couples (x i, yi), numérotés de i = 1 à i = n. On note m x, my, sx², sy², minx, miny et maxx, maxy, les moyennes, les variances et les valeurs minimales et maximales des séries (x i) et (yi). La démarche initiale et indispensable pour étudier la liaison entre deux variables quantitatives consiste à représenter graphiquement les couples (x i, yi) observés.

1.1 Conventions élémentaires.

On utilise toujours un repère constitué de deux axes orthogonaux. Chaque axe

correspond à une variable statistique (l"âge ou le revenu) et chaque point caractérise une unité

statistique (un client). Le calcul des valeurs extrêmes est indispensable pour choisir les échelles sur les axes.

Si l"on veut construire le graphique à l"intérieur d"un espace défini par un rectangle de

longueur L en abscisse et de largeur l en ordonnée, l"unité est égale à (maxx - minx)/L sur

l"axe des abscisses et à (max y - miny)/l sur l"axe des ordonnées.

Exemple

: l"âge et le revenu des clients de l"hypermarché EUROMARKET ont les caractéristiques suivantes sur les données observées :

Minimum Maximum Moyenne Variance Écart-type

âge 24 68 40.06 87.2564 9.34111

revenu 72999 196484 107639.48 877095300.21 29615.79

Pour représenter les données (l"âge en abscisse, le revenu en ordonnée) dans un

graphique à l"intérieur d"un rectangle de longueur L = 10 cm et de largeur l = 6 cm, on détermine les unités de longueur sur chaque axe : u x = (68 - 24)/10 = 4.4 : un centimètre représente 4.4 ans u y = (196484 - 72999)/6 = 20 580.83 : un centimètre représente 20 580.83 F On peut naturellement simplifier les échelles, à condition toutefois de les diminuer pour que le graphique reste à l"intérieur du rectangle fixé. Par exemple : u x : 1 cm représente 5 ans u y : 1 cm représente 25 000F

Chapitre 3 page 3 Régression et corrélation

On définit fréquemment comme origine des axes le point moyen (m x, my) des

observations. Le point i caractérisant l"unité statistique n°i a alors pour abscisse xi - mx et

pour ordonnée y i - my. On peut ainsi déterminer directement si l"unité statistique n°i définie par le couple (x i, yi) correspond à des valeurs supérieures ou inférieures aux moyennes mx et m y (cf. figure 1 ci-dessous). Dans d"autres cas, on choisit une origine différente, définie par exemple par les valeurs observées les plus petites des séries (x i) et (yi), ou encore une origine qui a un sens précis dans le contexte des données. Le choix comme origine du point (0,0) n"a pas de signification particulière ; il peut simplifier la construction du schéma ou au contraire la compliquer en imposant des échelles aberrantes sur les axes (par exemple, l"origine (0,0) sur les données précédentes n"a aucun sens, l"âge minimum étant 24 ans et le revenu minimum 72999F). L"origine du repère étant fixée au point moyen, les axes définissent quatre quadrants (on remarquera l"orthographe du mot quadrant) de la façon suivante : Figure 1.3 : représentation graphique des couples (x i, yi)

En abscisse : x

i, en ordonnées : yi

Origine des axes : moyennes m

x et my La précision de la représentation n"étant pas primordiale, on peut se contenter souvent

de papier ordinaire pour construire le schéma. En outre, il est préférable, suivant la place

disponible et le nombre d"observations, de représenter les unités statistiques par leurs rangs,

non par des points. Cela facilite leur identification.

Chapitre 3 page 4 Régression et corrélation

Exemple

: en figure 2, nous donnons la représentation graphique des couples (âge, revenu). L"origine des axes est le point moyen, et caractérise le couple (40.06, 107639.48) :

tout point du côté positif de l"axe des abscisses caractérise un client plus âgé que la moyenne,

tout point du côté négatif de l"axe des ordonnées caractérise un client dont le revenu est

inférieur au revenu moyen, et inversement sur les deux axes. Figure 2.3 : représentation graphique des couples (âge, revenu) Origine des axes : moyennes de l"âge (40.06 ans) et du revenu (107639.48 F). Le choix du client moyen comme origine des axes permet d"interpréter directement la position d"un client sur le graphique et la représentation des clients par leur rang permet leur

identification immédiate. On constate un déséquilibre dans l"âge et le revenu des clients :

· beaucoup d"entre eux sont jeunes et disposent d"un revenu inférieur à la moyenne (quadrant III : n°37, 11, 6, 9, 18, 49, ...) · les clients relativement âgés ont un revenu nettement supérieur aux autres (quadrant I : n°1, 10, 8) ; · les personnes de soixante ans et plus (quadrant IV : n°25, 43, 31) disposent d"un revenu nettement inférieur à la moyenne. On peut penser qu"il s"agit de retraités.

Chapitre 3 page 5 Régression et corrélation

Parmi les 50 personnes interrogées, celles qui sont relativement âgées reçoivent un

revenu plus élevé que celles qui sont relativement jeunes. Les retraités sont nettement

défavorisés. Dans le cas de données nombreuses, la caractérisation des unités statistiques par leurs rangs est difficile. Un grand nombre d"entre elles risquent d"être absentes du schéma par

manque de place, et il est alors préférable de caractériser les u.s. par des points. Le choix de

l"origine des axes est soumis aux mêmes critères que précédemment. 1.2

Tableau de corrélation.

Une autre possibilité dans le cas de données nombreuses est de définir des intervalles sur chaque variable et de répartir les observations suivant ces intervalles. On obtient alors ce

que l"on appelle le tableau de corrélation, dont le terme générique nk,l est le nombre d"unités

statistiques de la forme (x, y) telles que x appartienne à l"intervalle k défini sur la série (xi) et

y à l"intervalle l défini sur la série (yi).

Cette procédure ne présente évidemment un intérêt que si les observations sont très

nombreuses ou si on ne dispose pas des données individuelles.

Définition

: on appelle tableau de corrélation des couples (xi, yi) i = 1, ..., n le tableau

d"effectifs obtenu par répartition des unités statistiques dans des intervalles fixés pour chaque

série (x i) i = 1, ..., n et (yi) i = 1, ..., n. Le calcul d"un tableau de corrélation est effectué à l"aide d"un algorithme analogue à ceux que nous avons donnés pour répartir des données dans des intervalles. L"algorithme le plus rapide consiste à chercher, pour chaque couple (x i, yi), dans quels intervalles Ik et Jl les valeurs x i et yi se trouvent et à augmenter de 1 le nombre d"observations appartenant à ces

intervalles, puis à considérer le couple suivant. On obtient ainsi un tableau d"effectifs nk,l. On

construit ensuite la représentation graphique des couples (c k, dl) définis par les centres des intervalles à l"aide de disques dont l"aire est égale aux effectifs n k,l. Le calcul des aires est effectué de la façon suivante : on fixe l"aire du disque

représentant l"effectif total à p l2, l étant la largeur du rectangle dans lequel on veut construire

Chapitre 3 page 6 Régression et corrélation

la représentation graphique. L"aire du disque représentant nk,l observations et dont on cherche

le rayon r, est égale à p r2 = p l2 nk,l / n. On en déduit : r = l [n k,l / n]1/2

Exemple

: nous avons réparti les observations dans les intervalles d"âge et de revenu suivants : Eff. borne inférieure supérieure Moyenne Centre

1 14 24 35 30.35714 29.5

2 27 35 46 39.85185 40.5

3 5 46 57 49.6 51.5

4 4 57 68 63.5 62.5

âge

Eff. borne inférieure supérieure Moyenne Centre

1 26 72999 97696 87933.84 85347.5

2 14 97696 122393 108575.5 110044.5

3 5 122393 147090 135091.8 134741.5

4 2 147090 171787 158670.5 159438.5

5 3 171787 196484 194279 184135.5

revenu annuel On répartit ensuite les couples d"observations pour obtenir le tableau de corrélation : · Le client de rang 1 est âgé de 51 ans (intervalle 3) et gagne 195 888F (intervalle

5) : on le compte dans la cellule 3,5 ;

· Le client de rang 2 est âgé de 39 ans (intervalle 2) et gagne 128 456F (intervalle

3) : on le compte dans la cellule 2,3 ;

· Etc.

On obtient le tableau de corrélation suivant :

l = 1 l = 2 l = 3 l = 4 l = 5 k = 1 13 1 0 0 0 k = 2 9 12 4 1 1 k = 3 1 1 1 1 1 k = 4 3 0 0 0 1 Tableau 1.3 : tableau de corrélation âge x revenu (50 observations)

Chapitre 3 page 7 Régression et corrélation

L"interprétation de la figure 3 ci-dessous, construite par ordinateur aboutit aux

mêmes conclusions que précédemment. On ne peut toutefois caractériser les clients par leurs

rangs pour obtenir d"autres informations. Figure 3.3 : représentation graphique du tableau de corrélation. On notera que le nombre de couples (50) est insuffisant pour que le calcul de ce tableau présente un intérêt autre que pédagogique. 1.3

Autres procédures.

Précisons pour finir d"autres procédures de représentations graphiques : · Les axes orthonormés sont caractérisés par une même unité de longueur. Cela ne

présente d"intérêt que si les variables sont exprimées dans la même unité ou si elles sont

centrées réduites. · Un axe peut être gradué suivant une échelle logarithmique : 1 cm représente par

exemple un facteur 10 : Le premier centimètre représente 1 à 10, le second de 10 à 100, etc.

En général, c"est l"axe des ordonnées qui est gradué de cette façon : il s"agit alors d"une

échelle semi-logarithmique. Elle permet de représenter des valeurs dont la variation est très

importante. Une propriété particulière classique de cette échelle semi-logarithmique est que la

fonction exponentielle est représentée sous la forme d"une droite.

Chapitre 3 page 8 Régression et corrélation

quotesdbs_dbs2.pdfusesText_2