QCM : Analyse de la relation linéaire entre deux variables — 9 questions

Question 1

1. Quel est l'objectif principal de l'ajustement affine dans une série statistique à deux variables ?

Trouver une relation linéaire entre les variables

Calculer la variance de chaque variable

Déterminer la moyenne des deux variables

Identifier la variable dépendante uniquement

Explication

L'ajustement affine vise à établir une relation linéaire entre deux variables, représentée par une droite y = ax + b, pour modéliser leur tendance et faire des prévisions.

Answer

Trouver une relation linéaire entre les variables

Question 2

2. Quel est le but principal de l'ajustement affine dans une série statistique à deux variables?

Tracer une courbe complexe pour représenter la relation.

Trouver une droite y = ax + b qui minimise la distance aux points du nuage.

Calculer la moyenne des deux variables.

Mesurer la différence entre extrême valeurs.

Explication

L'ajustement affine vise à représenter la relation par une droite y = ax + b qui minimise la distance avec tous les points, facilitant ainsi la prévision.

Answer

Trouver une droite y = ax + b qui minimise la distance aux points du nuage.

Question 3

3. Que signifie un coefficient de détermination R² proche de 1 dans le contexte d'une série à deux variables ?

Il signifie que la relation est non linéaire

Il montre une forte corrélation linéaire entre les variables

Il indique une absence de corrélation entre les variables

Il indique que la relation est aléatoire

Explication

Un R² proche de 1 indique une forte corrélation linéaire entre les variables, ce qui signifie que la droite d'ajustement explique bien la variation des données.

Answer

Il montre une forte corrélation linéaire entre les variables

Question 4

4. Selon la fiche, quel est le signe d'une forte corrélation entre deux variables?

R² > 0,3

R² > 0,8

R² < 0,5

R² = 0

Explication

Une forte corrélation est indiquée par un coefficient de détermination R² supérieur à 0,8, signe d'une relation linéaire fiable.

Answer

Interpolation

Answer

Interpolation prédit une valeur dans l’intervalle observé, extrapolation en dehors.

Answer

Inverser la droite d’ajustement (x = (y - b)/a). ,

Answer

Il visualise la relation entre les deux variables.

Answer

Plus R² est proche de 1, meilleure est la relation linéaire.

Question 5

5. Quelle méthode permet de prédire une valeur dans l’intervalle observé à partir de la droite d’ajustement ?

Interpolation

Analyse de variance

Régression multiple

Extrapolation

Explication

L'interpolation consiste à prédire une valeur située dans l’intervalle des données observées en utilisant l’équation de la droite d’ajustement.

Question 6

6. Dans le contexte de prédiction, quelle est la différence entre interpolation et extrapolation?

Interpolation prédit les valeurs hors de l’intervalle observé, extrapolation à l’intérieur.

Interpolation prédit une valeur dans l’intervalle observé, extrapolation en dehors.

Les deux termes désignent la même procédure.

Interpolation est plus risquée que l’extrapolation.

Explication

L'interpolation consiste à prédire une valeur à l’intérieur de l’intervalle existant, alors que l’extrapolation concerne une prédiction hors de cet intervalle.

Question 7

7. Quelle méthode est utilisée pour estimer la valeur manquante lorsque l’on connaît une variable dans une relation linéaire?

Inverser la droite d’ajustement (x = (y - b)/a). ,

Calculer la moyenne entre x et y.

Utiliser la médiane des données.

Appliquer une courbe de tendance quadratique.

Explication

L’estimation consiste à insérer la valeur connue dans l’équation de la droite y = ax + b ou x = (y - b)/a pour prédire la variable manquante.

Question 8

8. Quel est le rôle principal du nuage de points dans la série statistique à deux variables?

Il sert à estimer la moyenne des données.

Il visualise la relation entre les deux variables.

Il remplace l’équation de la droite d’ajustement.

Il calcule automatiquement le coefficient R².

Explication

Le nuage de points est une représentation graphique qui permet de visualiser la relation existante entre les deux variables.

Question 9

9. Quelle affirmation est correcte concernant le coefficient R²?

Il est toujours égal à 1 dans une corrélation parfaite.

Plus R² est proche de 1, meilleure est la relation linéaire.

Il indique la moyenne entre deux variables.

Il manque d’intérêt dans l’analyse de relation.

Explication

Un R² proche de 1 indique une relation linéaire forte et une bonne qualité de la prédiction faite par la droite d’ajustement.

QCM : Analyse de la relation linéaire entre deux variables — 9 questions

Questions et réponses du QCM

1. Quel est l'objectif principal de l'ajustement affine dans une série statistique à deux variables ?

2. Quel est le but principal de l'ajustement affine dans une série statistique à deux variables?

3. Que signifie un coefficient de détermination R² proche de 1 dans le contexte d'une série à deux variables ?

4. Selon la fiche, quel est le signe d'une forte corrélation entre deux variables?

5. Quelle méthode permet de prédire une valeur dans l’intervalle observé à partir de la droite d’ajustement ?

6. Dans le contexte de prédiction, quelle est la différence entre interpolation et extrapolation?

7. Quelle méthode est utilisée pour estimer la valeur manquante lorsque l’on connaît une variable dans une relation linéaire?

8. Quel est le rôle principal du nuage de points dans la série statistique à deux variables?

9. Quelle affirmation est correcte concernant le coefficient R²?

Révisez avec les flashcards

Approfondir avec la fiche

Cours similaires

Principes fondamentaux de la sécurité incendie

Introduction aux notions fondamentales en mathématiques

Introduction aux fluides et écoulements

Périmètres et Aires

Maths bac 2026 pour débutants

Introduction aux circuits électriques simples

Crée tes propres QCM