Fiche de révision : Analyse des relations linéaires en statistique

📋 Plan du Cours

1. Statistique à deux variables
2. Méthode de Mayer
3. Méthode des moindres carrés
4. Coefficient de corrélation linéaire
5. Estimation ponctuelle et intervalle

📖 1. Statistique à deux variables

🔑 Notions clés & Définitions

Nuage de points
Représentation graphique de deux variables quantitatives, chaque point correspondant à un couple de valeurs (x, y). Il permet d’observer visuellement la relation ou la tendance entre ces variables.

Point moyen (G)
Le point moyen, noté G, est le centre de gravité du nuage de points. Il est déterminé par les coordonnées moyennes des points du nuage, représentant la position moyenne de l’ensemble des données.

Coordonnées moyennes (x̄, ȳ)
Ce sont les moyennes arithmétiques des valeurs de x et y dans le nuage de points. Elles sont calculées en faisant la somme de toutes les valeurs de chaque variable, divisée par le nombre total de points.

Variance (V(x))
Mesure de la dispersion des valeurs de la variable x autour de leur moyenne x̄. Elle est calculée comme la moyenne des carrés des écarts à la moyenne : V(x) = (ox)².

Covariance (Cov(x,y))
Mesure la tendance conjointe des variables x et y à varier ensemble. Elle indique si les deux variables ont tendance à augmenter ou diminuer simultanément. La covariance est calculée par la formule : Cov(x,y) = (1/n) Σ (x_i - x̄)(y_i - ȳ).

📝 Points essentiels

Le point moyen G est obtenu en calculant les moyennes des coordonnées x̄ et ȳ du nuage de points. Ces coordonnées représentent la position centrale de l’ensemble des données dans le plan.

La covariance évalue la relation conjointe entre x et y. Elle mesure la tendance qu’ont ces deux variables à varier ensemble, ce qui est la base pour le calcul du coefficient de corrélation. La covariance positive indique une relation directe, tandis qu’une covariance négative indique une relation inverse.

💡 À retenir

Le point moyen G donne la localisation centrale du nuage de points, tandis que la covariance permet d’analyser la tendance conjointe des deux variables, essentielle pour comprendre leur relation.

📖 2. Méthode de Mayer

🔑 Notions clés & Définitions

Groupes pairs : division des données en deux sous-ensembles contenant chacun un nombre égal ou presque égal d’éléments. Si le nombre total est impair, un groupe contiendra un élément de plus, généralement placé dans le premier groupe.

Points moyens de groupes (yg₁, xg₁, yg₂, xg₂) : coordonnées calculées en faisant la moyenne des valeurs de y et x dans chaque groupe. Ces points représentent la tendance générale de chaque groupe.

Calcul du coefficient directeur a : mesure de la pente de la droite d’ajustement. Il se calcule en divisant la covariance entre x et y par la variance de x, soit a = cov(x, y) / V(x).

Calcul de l'ordonnée à l'origine b : valeur de y lorsque x = 0, obtenue par la formule b = ȳ - a x x̄, où ȳ et x̄ sont les moyennes de y et x.

Formule de la droite y = ax + b : équation de la droite d’ajustement linéaire, déterminée à partir des points moyens et du coefficient directeur.

📝 Points essentiels

Pour réaliser l’ajustement, il faut d’abord diviser les données en deux groupes pairs, en regroupant les points selon leur ordre ou leur valeur. Ensuite, on calcule pour chaque groupe les points moyens (yg₁, xg₁ pour le premier, yg₂, xg₂ pour le second). Ces points moyens permettent d’obtenir une approximation simplifiée de la tendance globale.

Le coefficient directeur a est calculé en utilisant la covariance entre x et y, divisée par la variance de x. La formule est a = cov(x, y) / V(x). La covariance mesure la relation linéaire entre x et y, tandis que la variance de x indique la dispersion de x.

L’ordonnée à l’origine b est déterminée par la formule b = ȳ - a x x̄, où ȳ et x̄ sont respectivement la moyenne de y et de x. La droite d’ajustement est alors y = ax + b, une estimation linéaire simple basée sur deux groupes.

Cette méthode offre une approche rapide et simple pour estimer une tendance linéaire à partir de deux regroupements de données, facilitant une première approximation de la relation entre x et y.

💡 À retenir

La méthode de Mayer consiste à diviser les données en deux groupes pairs, puis à utiliser leurs points moyens pour estimer rapidement l’équation d’une droite de tendance linéaire.

📖 3. Méthode des moindres carrés

🔑 Notions clés & Définitions

• Variance (V(x)) : voir section 1

• Covariance (Cov(x,y)) : voir section 1

• Calcul du coefficient directeur a : voir section 2

• Calcul de l'ordonnée à l'origine b : voir section 2

Formule de la droite d'ajustement y = ax + b : La relation linéaire modélisée par la méthode des moindres carrés, où a et b sont déterminés pour minimiser la somme des carrés des écarts entre les points observés et la droite.

Transformation logarithmique pour modèle non linéaire (z = ln y) : Technique permettant d'adapter la méthode à des relations exponentielles en linéarisant la relation y = e^{ax} en prenant le logarithme : z = ln y, qui devient une relation linéaire en z.

📝 Points essentiels

La méthode minimise la somme des carrés des écarts entre les points observés et la droite ajustée. Elle consiste à calculer a et b à partir de la covariance et de la variance, ce qui permet de définir la droite de régression. La transformation logarithmique est utilisée pour modéliser des relations exponentielles en convertissant y en z = ln y, rendant possible l'application de la régression linéaire à des modèles non linéaires.

💡 À retenir

L'optimisation de l'ajustement linéaire repose sur la minimisation des erreurs quadratiques, ce qui permet d'obtenir une modélisation précise, notamment en utilisant la transformation logarithmique pour traiter des relations exponentielles.

📖 4. Coefficient de corrélation linéaire

🔑 Notions clés & Définitions

Coefficient de corrélation r : Le coefficient de corrélation r quantifie la force et la direction de la relation linéaire entre deux variables. Il permet d’évaluer dans quelle mesure ces variables varient ensemble de manière linéaire.

Formule r = cov(x,y) / (σx × σy) : La formule du coefficient de corrélation linéaire r exprime le rapport entre la covariance des deux variables x et y et le produit de leurs écarts-types respectifs. La covariance mesure la tendance des variables à varier ensemble, tandis que les écarts-types normalisent cette mesure.

Intervalle de r entre -1 et 1 : Le coefficient r prend une valeur comprise entre -1 et 1. Une valeur de -1 indique une corrélation négative parfaite, 0 indique aucune corrélation linéaire, et 1 une corrélation positive parfaite.

📝 Points essentiels

Le coefficient r quantifie la force et la direction de la relation linéaire entre deux variables. Une valeur proche de 1 ou -1 indique une forte corrélation positive ou négative, respectivement. À l’inverse, un r proche de 0 indique une absence de corrélation linéaire, ce qui signifie que les deux variables ne varient pas de manière linéaire ou que leur lien n’est pas détectable par cette mesure. La valeur de r permet ainsi d’évaluer la qualité de l’ajustement linéaire entre les variables.

💡 À retenir

Mesurer précisément la force et la direction du lien linéaire entre deux variables à l’aide du coefficient de corrélation r est essentiel pour évaluer la fiabilité d’un ajustement ou d’une relation. Un r proche de 1 ou -1 indique une relation forte, tandis qu’un r proche de 0 suggère une absence de lien linéaire.

📖 5. Estimation ponctuelle et intervalle

🔑 Notions clés & Définitions

Estimation ponctuelle : La moyenne de l’échantillon (x̄) est utilisée comme meilleure estimation du paramètre inconnu de la population. Elle fournit une valeur unique pour représenter la caractéristique étudiée.
Auteur : L’estimation ponctuelle repose sur l’idée que la moyenne échantillonnale est la meilleure approximation du paramètre inconnu.

Erreur-type de la moyenne : La mesure de la dispersion de la moyenne échantillonnale autour du paramètre réel, calculée par σ/√n, où σ est l’écart-type de la population et n la taille de l’échantillon.
Auteur : La formule de l’erreur-type est essentielle pour évaluer la précision de l’estimation.

Intervalle de confiance : Plage [x̄ - t × σ/√n ; x̄ + t × σ/√n] dans laquelle le paramètre inconnu se trouve avec un certain niveau de confiance, déterminé par la valeur critique t.
Auteur : La construction de cet intervalle repose sur la distribution t de Student ou la loi normale, selon le contexte.

Valeur critique t : La valeur t dépend du niveau de confiance choisi (par exemple 95%) et du degré de liberté (n-1). Elle détermine la largeur de l’intervalle de confiance.
Auteur : La valeur critique t est tirée d’une table de la loi t ou de la loi normale selon la situation.

📝 Points essentiels

L’estimation ponctuelle utilise la moyenne de l’échantillon comme meilleure estimation du paramètre, car elle est la valeur centrale la plus représentative. Cependant, cette estimation comporte une incertitude liée à la variabilité des échantillons. L’erreur-type de la moyenne, calculée par σ/√n, quantifie cette incertitude : plus la taille de l’échantillon est grande, plus l’erreur-type diminue, augmentant ainsi la précision de l’estimation.

L’intervalle de confiance offre une plage plausible pour le paramètre inconnu, avec un certain niveau de confiance (par exemple 95%). Il est construit en ajoutant et en soustrayant à la moyenne une marge d’erreur, qui dépend de la valeur critique t et de l’erreur-type. La confiance indique la fréquence avec laquelle cet intervalle, répété plusieurs fois, contiendra le vrai paramètre.

💡 À retenir

L’estimation ponctuelle fournit une valeur unique pour représenter un paramètre, mais l’intervalle de confiance permet d’évaluer la fiabilité de cette estimation en donnant une plage plausible avec un certain niveau de confiance. La précision de l’estimation dépend directement de la taille de l’échantillon via l’erreur-type.

📊 Tableaux de Synthèse

⚠️ Pièges & Confusions Fréquentes

1. Confondre covariance et corrélation : la covariance n’est pas normalisée, contrairement au coefficient r.
2. Omettre que le coefficient r est compris entre -1 et 1.
3. Mal interpréter une covariance positive ou négative sans considérer la force du lien.
4. Utiliser la méthode de Mayer sans diviser correctement en deux groupes pairs.
5. Confondre la formule de la droite d’ajustement pour la méthode des moindres carrés avec celle de Mayer.
6. Négliger l’importance de la transformation logarithmique pour modéliser des relations exponentielles.
7. Confondre estimation ponctuelle et intervalle d’estimation.

✅ Checklist Examen

1. Connaître la définition du nuage de points et son utilité dans l’analyse bivariée.
2. Savoir calculer et interpréter le point moyen G à partir des coordonnées moyennes (x̄, ȳ).
3. Comprendre le concept de covariance et sa formule, ainsi que son rôle dans l’analyse de la relation entre deux variables.
4. Maîtriser la formule du coefficient de corrélation r, ses limites (-1 à 1), et sa signification.
5. Expliquer la méthode de Mayer : division en deux groupes pairs, calcul des points moyens, puis détermination du coefficient directeur a et de l’ordonnée à l’origine b.
6. Connaître la formule de la droite d’ajustement par la méthode des moindres carrés et sa différence avec celle de Mayer.
7. Savoir quand et comment utiliser la transformation logarithmique pour modéliser une relation exponentielle.
8. Comprendre le principe d’une estimation ponctuelle et connaître le rôle de x̄ comme meilleure estimation du paramètre inconnu.
9. Être capable d’interpréter le coefficient r en termes de force et direction de la relation linéaire.
10. Identifier les erreurs fréquentes dans le calcul ou l’interprétation du coefficient de corrélation ou des méthodes d’ajustement.
11. Connaître les auteurs ou concepts clés : notamment PERROUX pour l’estimation ponctuelle.
12. Vérifier que toutes les formules essentielles (covariance, variance, coefficients) sont maîtrisées et appliquées correctement.