QCM : Analyse des Relations entre Deux Variables — 10 questions

Explication

Une série statistique double est un tableau croisé qui présente les effectifs pour deux variables simultanément, permettant d'étudier leur relation. Les autres options correspondent à d'autres types d'outils ou de représentations statistiques, mais pas à la définition précise d'une série double.

Explication

La série marginale X est la somme des effectifs pour chaque valeur de X, indépendamment de Y, ce qui permet d'analyser la distribution univariée de X seule.

Explication

La série marginale Y synthétise la distribution de Y en agrégeant tous les effectifs selon ses valeurs, ce qui permet une analyse indépendante de X et facilite la compréhension de la fréquence ou proportion de chaque valeur de Y.

Explication

Le nuage de points a été popularisé dans l'enseignement et la pratique statistique à partir des années 1970-1980, avec la généralisation de l'informatique et des logiciels statistiques, permettant une visualisation facile de la relation entre deux variables.

Explication

Le point moyen est constitué des moyennes arithmétiques de X et Y, ce qui le rapproche de la moyenne de chaque variable. Cependant, il s’agit d’une paire de valeurs, alors que la moyenne de chaque variable est une seule valeur. La différence réside dans leur nature : le point moyen combine ces deux moyennes pour représenter la localisation centrale dans le plan, contrairement à la moyenne de chaque variable qui est une seule mesure univariée.

Explication

Hermann Mayer est crédité de la proposition de la méthode graphique d'ajustement linéaire, appelée méthode de Mayer, qui consiste à déterminer visuellement la meilleure droite d'ajustement en minimisant les écarts verticaux dans un nuage de points.

Explication

Un coefficient de corrélation élevé indique une forte dépendance ou association entre deux variables, mais ne prouve pas nécessairement une relation de cause à effet. Il sert à mesurer la force et la direction de la relation linéaire, ce qui peut influencer l'interprétation, mais ne constitue pas une preuve de causalité.

Explication

La droite de régression Y en X permet de prévoir Y en insérant la valeur de X dans l'équation Y = aX + b. Ainsi, pour X=10, il faut calculer Y = a×10 + b. Les autres options sont incorrectes : inverser la formule ne permet pas de prévoir Y à partir de X, utiliser la droite X en Y ne donne pas directement Y, et utiliser la moyenne ne permet pas une prévision précise pour une valeur spécifique de X.

Explication

La droite de régression X en Y est caractérisée par le fait qu’elle est calculée à partir de la covariance entre X et Y, ainsi que de la variance de Y, permettant de prévoir X à partir de Y. La formule est X = cY + d, où c et d sont déterminés par la méthode des moindres carrés.

Explication

L'estimation par régression consiste à ajuster une droite d'ajustement entre deux variables pour modéliser leur relation et permettre des prédictions. Elle ne se limite pas à mesurer la force de la relation (coefficient de corrélation), ni à calculer des moyennes ou comparer des séries marginales.