QCM : Analyse des Relations entre Variables — 12 questions

Questions et réponses du QCM

1. Qu'est-ce qu'une variable qualitative en statistique ?

Une variable qui classe ou identifie des individus selon des catégories ou modalités
Une variable qui indique la fréquence ou la proportion d'une modalité
Une variable qui représente une quantité numérique mesurable
Une variable qui décrit la distribution d'une population par une fonction de densité

Une variable qui classe ou identifie des individus selon des catégories ou modalités

Explication

Une variable qualitative est une caractéristique non numérique qui permet de classer ou d'identifier des individus selon des catégories ou modalités, comme la race, la couleur ou la race. Elle ne représente pas une quantité mais une catégorie.

2. Selon Rodolphe Loubaton, en quelle année a-t-il défini ou étudié la variable quantitative discrète ?

2026
2015
2020
2018

2026

Explication

La référence précise dans le contenu indique que Rodolphe Loubaton a étudié ou défini la variable quantitative discrète en 2026, ce qui en fait la réponse correcte. Les autres dates sont des distracteurs plausibles mais incorrects, n'étant pas mentionnées dans le contexte.

3. Quel est le rôle principal de la distribution d'une variable qualitative ?

Elle permet de classer les individus selon leur âge.
Elle sert à décrire la répartition des observations selon leurs modalités.
Elle mesure la dispersion des données autour de la moyenne.
Elle calcule la moyenne des valeurs observées.

Elle sert à décrire la répartition des observations selon leurs modalités.

Explication

La distribution d'une variable qualitative a pour rôle principal de décrire comment les observations sont réparties entre ses différentes modalités, en effectifs ou en fréquences, afin d'analyser la composition de l’échantillon ou de la population.

4. Quand la notion moderne de distribution d'une variable aléatoire a-t-elle été formalisée dans la littérature mathématique ?

En 1920 avec le développement de la statistique moderne
En 1837 avec la loi de Poisson
En 1933 avec la publication de la théorie de la probabilité par Kolmogorov
En 1950 avec l'essor de la statistique appliquée

En 1933 avec la publication de la théorie de la probabilité par Kolmogorov

Explication

La formalisation moderne de la distribution d'une variable aléatoire a été établie en 1933 par Andrey Kolmogorov dans sa publication de la théorie de la probabilité, qui a posé les bases rigoureuses de la discipline.

5. En quoi la moyenne, la médiane et le mode diffèrent-ils en tant que paramètres de position ?

La moyenne est la somme des valeurs divisée par le nombre d'observations, la médiane est la valeur centrale d’un ensemble ordonné, et le mode est la modalité la plus fréquente.
La médiane est calculée en faisant la moyenne des deux valeurs centrales, tandis que la moyenne et le mode sont identiques.
La moyenne est toujours plus représentative que la médiane ou le mode, qui ne sont que des mesures approximatives.
Le mode est la valeur la plus extrême, la médiane est la valeur centrale, et la moyenne est la valeur la plus fréquente.

La moyenne est la somme des valeurs divisée par le nombre d'observations, la médiane est la valeur centrale d’un ensemble ordonné, et le mode est la modalité la plus fréquente.

Explication

La moyenne, la médiane et le mode sont tous des paramètres de position, mais ils diffèrent dans leur définition : la moyenne est la somme des valeurs divisée par le nombre d'observations, la médiane est la valeur centrale d’un ensemble ordonné, et le mode est la modalité la plus fréquente. Ces différences influencent leur utilisation selon la distribution des données.

6. Qui a formulé la définition de la variance et des paramètres de dispersion en 2026 selon le contenu ?

Gregor Mendel
Rodolphe Loubaton
Jean-Baptiste Lamarck
Charles Darwin

Rodolphe Loubaton

Explication

Rodolphe Loubaton (2026) est explicitement mentionné comme ayant formulé la définition de la variance et des paramètres de dispersion dans le contenu fourni, ce qui en fait la réponse correcte.

7. Comment une représentation graphique des variables qualitatives peut-elle influencer la perception des effets ou relations dans les données ?

Elle peut créer une illusion de relation causale entre modalités.
Elle peut simplifier la compréhension sans aucun biais.
Elle peut accentuer ou minimiser la visibilité de certaines modalités, affectant la perception des effets.
Elle ne peut pas influencer la perception des effets, car elle ne montre que la distribution.

Elle peut accentuer ou minimiser la visibilité de certaines modalités, affectant la perception des effets.

Explication

La représentation graphique peut influencer la perception en accentuant ou en minimisant certaines modalités, ce qui peut donner une impression biaisée ou différente de l'effet réel ou de la relation dans les données.

8. Comment appliquer la statistique univariée pour analyser la distribution d'une variable quantitative dans un jeu de données ?

Calculer la moyenne et l'écart-type, puis représenter la distribution par un histogramme
Construire un tableau de contingence pour examiner la relation entre deux variables
Comparer la distribution à une loi de probabilité en utilisant un test du χ2
Tracer un diagramme circulaire pour visualiser la répartition des modalités

Calculer la moyenne et l'écart-type, puis représenter la distribution par un histogramme

Explication

Pour analyser la distribution d'une variable quantitative, il est pertinent de calculer des paramètres de position et de dispersion (comme la moyenne et l'écart-type) et de représenter graphiquement la distribution à l'aide d'un histogramme, qui montre la forme de la distribution. Les autres options concernent l'analyse de relations entre variables ou la représentation de variables qualitatives, ce qui ne correspond pas à l'application directe de la statistique univariée pour une seule variable quantitative.

9. Quelle est la caractéristique principale de la statistique bivariée ?

Elle ne concerne que la représentation graphique des données
Elle permet d'étudier la relation ou dépendance entre deux variables
Elle se limite à l'analyse de variables qualitatives uniquement
Elle résume une seule variable à l'aide de paramètres de position

Elle permet d'étudier la relation ou dépendance entre deux variables

Explication

La statistique bivariée est principalement utilisée pour analyser conjointement deux variables afin de détecter une relation ou dépendance entre elles, ce qui la distingue des analyses univariées.

10. Qu'est-ce que l'indépendance entre deux variables en statistique ?

Les variables ont des distributions identiques.
Les variables ont des effectifs égaux dans chaque modalité.
Les distributions marginales de chaque variable ne dépendent pas l'une de l'autre, et la distribution conjointe se décompose en produit des marges.
Les variables ont une corrélation nulle.

Les distributions marginales de chaque variable ne dépendent pas l'une de l'autre, et la distribution conjointe se décompose en produit des marges.

Explication

L'indépendance entre deux variables signifie que la distribution conjointe peut être décomposée en produit des distributions marginales, ce qui implique que la distribution d'une variable ne dépend pas de l'autre. C'est cette propriété qui est testée par le test du χ2.

11. Quel est le nom de l'auteur qui a introduit la corrélation de Pearson et en quelle année ?

George Box en 1970
Ronald Fisher en 1925
Karl Pearson en 1896
Francis Galton en 1888

Karl Pearson en 1896

Explication

La corrélation de Pearson a été introduite par Karl Pearson en 1896. Francis Galton a travaillé sur la corrélation plus tôt, mais c'est Pearson qui a formalisé cette mesure en 1896. Ronald Fisher a développé d'autres concepts en statistique, et George Box est connu pour ses contributions à la modélisation, mais pas pour la corrélation de Pearson.

12. Quel est le rôle principal de la corrélation de Spearman dans l'analyse statistique ?

Évaluer la force et la direction d'une relation monotone entre deux variables en utilisant leurs rangs
Mesurer la relation linéaire entre deux variables quantitatives en utilisant leurs valeurs numériques
Comparer la distribution observée d'une variable qualitative à une distribution théorique
Tester l'indépendance entre deux variables qualitatives à l'aide du test du χ2

Évaluer la force et la direction d'une relation monotone entre deux variables en utilisant leurs rangs

Explication

La corrélation de Spearman est une mesure non paramétrique qui utilise les rangs des observations pour évaluer la force et la direction d'une relation monotone entre deux variables, ce qui la distingue de la corrélation de Pearson qui mesure la relation linéaire en utilisant les valeurs numériques.

Révisez avec les flashcards

Mémorisez les réponses avec 24 flashcards sur Analyse des Relations entre Variables.

Variables qualitatives — définition ?

Variables représentant des catégories ou modalités.

Variable qualitative ordinale — rôle ?

Classer des modalités selon un ordre logique.

Modalités — exemple ?

Races, couleurs, niveaux.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Analyse des Relations entre Variables.

Voir la fiche →

Cours similaires

Le Pass Jeunes à Paris

DLC des produits en cuisine

DLC des produits au comptoir

Vérifications du permis de conduire

Structure d’un CV professionnel

Restriction d'accès au service

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM