Scribd Logo
Importer

Bienvenue sur Scribd !

  • 54 vues

    Résumé Statistiques 2

    Transféré par

    Said Ezzorkani
    Le document décrit différentes méthodes pour analyser la relation entre deux variables, notamment le nuage de points, la covariance, le coefficient de corrélation de Pearson et la régression linéaire. Il explique comment ces méthodes permettent de déterminer le sens, l'intensité et la significativité de l'association linéaire entre les variables.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Résumé Statistiques 2

    Transféré par

    Said Ezzorkani
    54 vues2 pages
    Le document décrit différentes méthodes pour analyser la relation entre deux variables, notamment le nuage de points, la covariance, le coefficient de corrélation de Pearson et la régression linéaire. Il explique comment ces méthodes permettent de déterminer le sens, l'intensité et la significativité de l'association linéaire entre les variables.

    Description originale:

    Box plot / point de nuages/ corrélation linéaire

    Titre original

    Résumé statistiques 2

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Le document décrit différentes méthodes pour analyser la relation entre deux variables, notamment le nuage de points, la covariance, le coefficient de corrélation de Pearson et la régression linéaire. Il explique comment ces méthodes permettent de déterminer le sens, l'intensité et la significativité de l'association linéaire entre les variables.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    54 vues2 pages

    Résumé Statistiques 2

    Transféré par

    Said Ezzorkani
    Le document décrit différentes méthodes pour analyser la relation entre deux variables, notamment le nuage de points, la covariance, le coefficient de corrélation de Pearson et la régression linéaire. Il explique comment ces méthodes permettent de déterminer le sens, l'intensité et la significativité de l'association linéaire entre les variables.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 2

    -Existence d’un lien : Le nuage des points

    -Le sens : La covariance


    -L’intensité : l’indicateur de corrélation de Pearson

    Le nuage des points


    la direction La forme
     Ascendant = Association positive + ils se rapprochent (forme de droite)
     Descendant = Association négative => association forte
     Constant = Pas d’association
    Association ………… entre (O ; x) et (O ; y) dans la ville L’association entre (O ; x) et (O ; y) était plus forte que celle
    ………. pendant la période ………. entre (O ; x) et (O ; y)

    La covariance

    POSITIVE NEGATIVE NULLE


    positivement associées négativement associées ou varient Les variables X et Y
    varient dans le même sens dans des sens différents ne sont pas linéairement associées
    1) calcul de moyenne X 2) calcul de moyenne Y 3) calcul de nij × xi × yi
    292 x 100 x 1

    indice de corrélation en % :

    Avec : = Avec : =
    Sens de l’association Intensité de l’association Significativité de
    linéaire linéaire l’association linéaire

    si t < t(table) => non significative


    parfaite r=1
    négative r < 0 forte 0,75 ≤ r < 1 si t > t(table) => significative
    positive r > 0 moyenne 0,6 ≤ r < 0,75
    absence d’association faible 0,4 ≤ r < 0,6 n : n total
    r=0 très faible r < 0,4 α=5%=0,05
    k=n−2
    t (table) = Dans la table, je cherche l’intersection
    entre le degré de liberté k et α
    Utilisation du coefficient de
    corrélation pour étudier la qualité
    d’ajustement d’un modèle de régression linéaire simple estimé par la méthode des moindres carrés ordinaires :
    la régression linéaire : Droite de régression
    Méthode des moindres carrés ordinaires

    Avec : Var(X) =

    (exemples d’interprétation)
    ² b : l’ordonnée à l’origine des axes est la valeur d’Y en
    absence de X
    Qualité d’ajustement% : r²= la valeur de Y lorsque X est nul.

    Lorsque X devient 70 000 dirhams, la dépense moyenne de


    consommation attendue sera : Y=a x X + b r: % des variations de la moyenne des Y sont expliquée par X
    Y = a × 70 000 + b (kan3wdo hitash hsbna a et b)

    Box plot :

    Vous aimerez peut-être aussi