QCM : Introduction aux méthodes statistiques et analytiques — 10 questions

Questions et réponses du QCM

1. Quelle est la formule du coefficient de corrélation linéaire de Pearson entre deux variables quantitatives X et Y ?

La somme des produits X et Y divisée par n
La différence entre les moyennes de X et de Y
Le rapport entre la variance de X et celle de Y
Cov(X,Y) divisé par le produit des écarts-types de X et de Y

Cov(X,Y) divisé par le produit des écarts-types de X et de Y

Explication

Le coefficient de Pearson s’écrit bien r = Cov(X,Y) / (σX σY). Il mesure l’intensité et le sens de la liaison linéaire entre deux variables quantitatives.

2. Qu'est-ce que le coefficient de corrélation linéaire de Pearson mesure entre deux variables quantitatives ?

La différence de moyenne entre deux groupes
L'intensité et le sens de la liaison linéaire
La relation monotone entre deux variables
La dépendance entre variables qualitatives

L'intensité et le sens de la liaison linéaire

Explication

Le coefficient de Pearson quantifie l'intensité et le sens de la liaison linéaire entre deux variables quantitatives, en utilisant la covariance et les écarts-types.

3. Que signifie une valeur de Pearson r proche de 1 ?

Une indépendance parfaite des variables
Une absence de liaison linéaire
Une liaison linéaire forte et positive
Une liaison linéaire forte et négative

Une liaison linéaire forte et positive

Explication

Une valeur de r proche de 1 indique que les deux variables évoluent ensemble dans le même sens de façon linéaire. À l’inverse, r proche de 0 signale l’absence de corrélation linéaire.

4. Quel est le rôle principal de la corrélation des rangs de Spearman dans l'analyse des relations entre deux variables ?

Évaluer la dépendance monotone entre deux variables, qu'elles soient quantitatives ou qualitatives.
Mesurer la force d'une relation linéaire entre deux variables quantitatives.
Tester l'indépendance entre deux variables qualitatives dans un tableau de contingence.
Comparer les moyennes de deux groupes selon une variable qualitative.

Évaluer la dépendance monotone entre deux variables, qu'elles soient quantitatives ou qualitatives.

Explication

La corrélation des rangs de Spearman sert à mesurer la force d'une relation monotone entre deux variables, indépendamment de leur nature quantitative ou qualitative, en utilisant la corrélation entre leurs rangs.

5. Dans le modèle de régression linéaire simple, quel rôle joue le paramètre a dans l’équation ŷ = aX + b ?

Il mesure la dispersion des résidus autour de la droite
Il représente la valeur de Y lorsque X est nul
Il correspond à la covariance entre X et Y
Il représente la variation moyenne de Y lorsque X augmente d’une unité

Il représente la variation moyenne de Y lorsque X augmente d’une unité

Explication

Le paramètre a est la pente de la droite de régression : il traduit la variation moyenne de Y pour une augmentation d’une unité de X. Le paramètre b est, lui, l’ordonnée à l’origine.

6. À quelle période la méthode des moyennes mobiles a-t-elle été introduite pour analyser les séries chronologiques afin de lisser les fluctuations saisonnières et détecter les tendances ?

Au XIXe siècle, avec l'essor de l'économie industrielle
Au début du XXe siècle, dans les années 1920
Dans les années 1950, avec le développement de la statistique appliquée
Dans les années 1980, avec l'avènement de l'informatique et des logiciels statistiques

Dans les années 1950, avec le développement de la statistique appliquée

Explication

La méthode des moyennes mobiles a été popularisée dans la seconde moitié du XXe siècle, notamment dans les années 1950, pour analyser efficacement les séries chronologiques en économie et en finance.

7. Quelle est l’idée centrale de la méthode des moindres carrés ordinaires pour estimer une droite de régression ?

Faire passer la droite par les deux valeurs extrêmes
Maximiser la covariance entre X et Y
Répartir les points en deux groupes égaux
Minimiser la somme des carrés des résidus

Minimiser la somme des carrés des résidus

Explication

La méthode des moindres carrés ordinaires choisit a et b de façon à minimiser la somme des carrés des erreurs entre valeurs observées et valeurs ajustées. La séparation en deux groupes égaux correspond plutôt à la méthode de Mayer.

8. En quoi la variable qualitative diffère-t-elle d'une variable quantitative dans l'analyse statistique ?

La variable qualitative est toujours nominale, alors que la variable quantitative est toujours ordinale.
La variable qualitative ne peut pas être représentée graphiquement, contrairement à la variable quantitative.
La variable qualitative ne peut pas être utilisée pour des analyses de variance, contrairement à la variable quantitative.
La variable qualitative décrit des catégories ou des modalités, tandis que la variable quantitative mesure des grandeurs numériques.

La variable qualitative décrit des catégories ou des modalités, tandis que la variable quantitative mesure des grandeurs numériques.

Explication

La variable qualitative représente des catégories ou des modalités sans valeur numérique intrinsèque, contrairement à la variable quantitative qui mesure des grandeurs numériques. La distinction principale réside dans leur nature et leur utilisation en analyse.

9. Qui est crédité de l'introduction de la méthode des moyennes mobiles pour analyser les séries chronologiques et lisser les fluctuations saisonnières ?

Norbert Wiener
George Box
Robert H. Shumway
Ralph B. Perron

George Box

Explication

George Box est crédité d'avoir popularisé la méthode des moyennes mobiles pour l'analyse des séries chronologiques, notamment pour détecter les tendances et lisser les fluctuations saisonnières.

10. Quelles sont les principales conséquences de l'utilisation des moyennes mobiles dans l'analyse des séries chronologiques ?

Elle augmente la variance des données en amplifiant les mouvements saisonniers.
Elle permet de lisser les fluctuations à court terme pour mieux identifier la tendance générale.
Elle supprime définitivement toutes les variations saisonnières sans possibilité de les analyser.
Elle réduit la taille de l'échantillon en excluant les valeurs extrêmes de la série.

Elle permet de lisser les fluctuations à court terme pour mieux identifier la tendance générale.

Explication

Les moyennes mobiles servent à lisser les données pour mieux visualiser la tendance, en atténuant les fluctuations à court terme, notamment saisonnières ou accidentelles.

Révisez avec les flashcards

Mémorisez les réponses avec 9 flashcards sur Introduction aux méthodes statistiques et analytiques.

Corrélation linéaire — définition ?

Mesure la liaison linéaire entre deux variables.

Corrélation linéaire Pearson

Mesure la liaison linéaire entre deux variables.

Régression linéaire — rôle ?

Modèle décrivant la relation entre Y et X par une droite.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Introduction aux méthodes statistiques et analytiques.

Voir la fiche →

Cours similaires

Développement des compétences et QVCT

Gestion

Recrutement et intégration RH

Gestion

Croissance économique et progrès technique

Préparation à l’économétrie appliquée

Courtage hypothécaire et qualification

Économie de la santé

Crée tes propres QCM

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

Générateur de QCM