QCM : Introduction à la causalité et la corrélation — 10 questions

Question 1

1. Que désigne une corrélation entre deux variables quantitatives ?

Une relation de dépendance mécanique entre deux phénomènes

Une relation statistique sans implication directe de cause à effet

Une coïncidence sans aucun lien observable

Une preuve suffisante qu’une variable produit l’autre

Explication

La corrélation décrit une association statistique entre deux variables, c’est-à-dire qu’elles varient ensemble. Elle ne permet pas, à elle seule, de conclure à une relation de cause à effet.

Answer

Une relation statistique sans implication directe de cause à effet

Question 2

2. Quelle est la définition précise de la corrélation en statistique ?

Une corrélation qui indique une causalité positive.

Une relation de cause à effet entre deux variables.

Une relation où l'une variable provoque directement l'autre.

Une association statistique entre deux variables quantitatives, sans implication de causalité.

Explication

La corrélation est une relation statistique entre deux variables qui indique une association sans supposer de lien causal. Elle ne prouve pas que l'une cause l'autre, contrairement à ce que suggèrent souvent des erreurs d'interprétation.

Answer

Une association statistique entre deux variables quantitatives, sans implication de causalité.

Question 3

3. Que décrit une corrélation négative ?

Deux variables sans lien mesurable

Deux variables qui augmentent toujours ensemble

Une relation où le sens de variation n’est pas identifiable

Deux variables qui évoluent en sens inverse

Explication

Une corrélation négative correspond à une évolution en sens inverse : si l’une augmente, l’autre tend à diminuer. Le signe négatif décrit donc le sens de l’association, pas un mécanisme causal.

Answer

Deux variables qui évoluent en sens inverse

Question 4

4. Quelle est la principale caractéristique de la corrélation en statistique ?

Elle indique toujours une relation causale directe.

Elle implique une relation de cause à effet entre deux variables.

Elle prouve que l'une des variables entraîne l'autre.

Elle décrit une relation statistique entre deux variables sans causalité implicite.

Explication

La corrélation décrit une relation statistique entre deux variables, mais elle ne prouve pas de causalité. Elle indique simplement que les variables évoluent ensemble, sans autre conclusion causale.

Answer

Elle décrit une relation statistique entre deux variables sans causalité implicite.

Question 5

5. Pourquoi faut-il distinguer corrélation et causalité dans l’interprétation des données ?

Parce qu’une corrélation n’apparaît jamais dans des données chiffrées

Parce qu’une causalité exclut toute association statistique

Parce qu’une corrélation peut exister sans mécanisme causal

Parce qu’une corrélation indique toujours le sens exact de l’action

Explication

Une corrélation peut simplement refléter une association observée, sans qu’un phénomène cause l’autre. La distinction évite d’attribuer à tort une cause à une relation qui n’est qu’statistique.

Answer

Parce qu’une corrélation peut exister sans mécanisme causal

Question 6

6. Quelle est la fonction principale de la corrélation dans l'analyse statistique ?

Prédire avec précision l'évolution d'une variable

Observer une relation sans inférer de causalité

Identifier la variable dépendante d'une étude

Mesurer la cause entre deux variables

Explication

La corrélation sert à observer une relation statistique entre deux variables, sans impliquer de lien de cause à effet, ce qui éviterait des erreurs d'interprétation.

Answer

Observer une relation sans inférer de causalité

Question 7

7. Dans une corrélation positive, comment évoluent les deux variables ?

Elles évoluent en sens inverse

Elles évoluent dans le même sens

Leur lien ne peut pas être observé statistiquement

L’une reste stable tandis que l’autre varie

Explication

Une corrélation positive signifie que les deux variables bougent ensemble dans le même sens : quand l’une augmente, l’autre augmente aussi, ou quand l’une baisse, l’autre baisse également.

Answer

Elles évoluent dans le même sens

Question 8

8. À quelle date la relation entre le niveau de diplôme des parents et la réussite scolaire, mesurée par le taux de baccalauréat, a-t-elle été mise en évidence comme une corrélation positive en sciences sociales ?

En 2010

En 2023

En 2005

En 2019

Explication

L'exemple du niveau de diplôme des parents et de la réussite scolaire a été mentionné comme une corrélation positive observée en 2023, illustrant une association sans relation causale directe.

Answer

Le contrôle des confondants vise à éliminer l'influence des variables tiers, tandis que le mécanisme causal explique comment une variable induit l'effet sur une autre.

Answer

Jerzy Neyman

Question 9

9. En quoi la différence fondamentale entre contrôle des confondants et mécanismes causaux réside-t-elle dans leur objectif respectif en analyse de relations entre variables ?

Le contrôle des confondants consiste à mesurer précisément une variable, tandis que le mécanisme causal se contente de constater une association.

Le contrôle des confondants identifie une relation de cause à effet, alors que le mécanisme causal cherche à observer uniquement une corrélation.

Le contrôle des confondants vise à éliminer l'influence des variables tiers, tandis que le mécanisme causal explique comment une variable induit l'effet sur une autre.

Le contrôle des confondants est utilisé pour confirmer une causalité, alors que le mécanisme causal ne sert qu'à générer des hypothèses sans preuve.

Explication

Le contrôle des confondants sert à neutraliser l'effet de variables tierces pour clarifier une relation causale, tandis que le mécanisme causal explique la chaîne de processus qui lie la cause à l'effet.

Question 10

10. Qui a introduit ou formalisé la notion de contrôle des confondants et de mécanismes causaux dans l’analyse des relations de cause à effet ?

Ronald Fisher

Paul Lazarsfeld

John Stuart Mill

Jerzy Neyman

Explication

Jerzy Neyman a grandement contribué à la formalisation des méthodes statistiques, dont celles relatives au contrôle des confondants et à l’établissement de relations causales, notamment avec ses travaux sur les tests d'hypothèses et les études expérimentales.

QCM : Introduction à la causalité et la corrélation — 10 questions

Questions et réponses du QCM

1. Que désigne une corrélation entre deux variables quantitatives ?

2. Quelle est la définition précise de la corrélation en statistique ?

3. Que décrit une corrélation négative ?

4. Quelle est la principale caractéristique de la corrélation en statistique ?

5. Pourquoi faut-il distinguer corrélation et causalité dans l’interprétation des données ?

6. Quelle est la fonction principale de la corrélation dans l'analyse statistique ?

7. Dans une corrélation positive, comment évoluent les deux variables ?

8. À quelle date la relation entre le niveau de diplôme des parents et la réussite scolaire, mesurée par le taux de baccalauréat, a-t-elle été mise en évidence comme une corrélation positive en sciences sociales ?

9. En quoi la différence fondamentale entre contrôle des confondants et mécanismes causaux réside-t-elle dans leur objectif respectif en analyse de relations entre variables ?

10. Qui a introduit ou formalisé la notion de contrôle des confondants et de mécanismes causaux dans l’analyse des relations de cause à effet ?

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