Scribd Logo
Importer

Bienvenue sur Scribd !

  • 21 vues

    Stat Double

    Transféré par

    mb4823963
    Le document décrit les statistiques descriptives bivariées, y compris les types de couples de variables, la démarche statistique pour analyser les relations entre deux variables, et les paramètres statistiques comme la covariance et le coefficient de corrélation linéaire.

    Droits d'auteur :

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

    Stat Double

    Transféré par

    mb4823963
    21 vues3 pages
    Le document décrit les statistiques descriptives bivariées, y compris les types de couples de variables, la démarche statistique pour analyser les relations entre deux variables, et les paramètres statistiques comme la covariance et le coefficient de corrélation linéaire.

    Titre original

    stat-double-

    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 les statistiques descriptives bivariées, y compris les types de couples de variables, la démarche statistique pour analyser les relations entre deux variables, et les paramètres statistiques comme la covariance et le coefficient de corrélation linéaire.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    21 vues3 pages

    Stat Double

    Transféré par

    mb4823963
    Le document décrit les statistiques descriptives bivariées, y compris les types de couples de variables, la démarche statistique pour analyser les relations entre deux variables, et les paramètres statistiques comme la covariance et le coefficient de corrélation linéaire.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 3

    Statistique double

    2.1. INTRODUCTION
    La statistique descriptive double (bi variée) consiste à examiner simultané-
    ment deux variables.
    Les types En statistique descriptive bi variée, nous distinguerons trois types
    de couples de variables :
    1 les deux variables sont qualitatives
    2 l’une des deux est qualitative, l’autre quantitative
    3 les deux variables sont quantitatives.
    Exp: Dans une entreprise, l’examen du nombre de jours de formation par
    an selon la catégorie de salarié (secrétariat, service technique, comptabilité et
    service d’entretien) illustre le "croisement" d’une variable quantitative (QT ) et
    d’une variable qualitative (QL), ici avec 4 modalités.
    2.2. Démarche statistique
    Le tableau suivant montre la distribution des e¤ectifs nij est le nombre
    d’observations simultanées de la modalité xi de X et de la modalité yi de Y:
    Les distributions marginales (mg) lignes et colonnes sont formées de
    taux lignes et colonnes.
    P
    q P
    p
    ni: = nij ; et n:j = nij
    j=1 i=1

    X#Y ! y1 yj :: :: yq distribution mg de X
    x1 n11 n1j :: :: n1q n1:
    ::: ::: :: :: :: :: :: :: ::
    ::: :: :: :: :: :: :: :: ::
    xi ni1 nij niq ni:
    ::: :: :: :: :: :: :: :: :::
    ::: :: :: :: :: :: :: :: :::
    xp np1 :: :: npj :: :: npq np:
    distribution mg de Y n:1 :: :: n:j :: :: n:q n:: = N

    Paramètres statistiques marginaux


    Les paramètres moyenne et variance:

    1 Pp 1 Pp
    2
    X= ni: xi ; V ar (X) = ni: xi X ;
    N i=1 N i=1
    1 Pp 1 Pq
    2
    Y = n:j yj ; V ar (Y ) = n:j yj Y
    N j=1 N j=1

    Le couple (X; Y ) dé…nit le centre de gravité ou barycentre de la série double


    (X; Y ) ou encore du nuage de points. Notons G ce point de coordonnées (x; y).
    Paramètres statistiques double

    1
    La covariance entre X et Y :
    1 Pp P q
    Cov (X; Y ) = nij xi X yj Y
    N i=1 j=1

    Remarque Cov (X; X) = V (X) : C’est un indicateur de dispersion autour


    du centre de gravité G X; Y qui, de plus permet d’appréhender la relation de
    croissance ou décroissance entre les variables X et Y:
    - Cov(x; y) > 0 =) y fonction croissante de x
    - Cov(x; y) < 0 =) y fonction décroissante de x
    - Cov(x; y) = 0 =) les contributions positives et négatives des produits Pi
    se compensent.
    Proptiétés:

    1. Cov(ax + b; cy + d) = acCov(x; y) (a; b; c et d étant des coe¢ cients réels).


    2. Cov(x; y)j X Y

    3. SI Cov(x; y)j = X Y ; il a liaison linéaire entre X et Y : y = ax + b:

    Le coe¢ cient de corrélation linéaire entre X et Y :


    Cov(x; y)
    r(x; y) = ; avec X et Y 6=0
    X Y

    D’après la propriété 2 , on peut montrer que:

    jr (x; y)j 1

    0.1 Remarques:
    1. r = 1 la liaison linéaire entre x et y.
    2. r(x; y) mesure l’intensité de la liaison linéaire entre x et Y:
    3. r = 0 traduit l’absence de liaison linéaire entre x et y.
    4. Si r = 1 , le nuage de points s’étire linéairement.

    2.4. Régression linéaire simple de y en x:


    On va chercher un modèle linéaire Y = AX + B + " permettant de prédire
    Y à partir de X. La régression est dite simple car on ne considère qu’une seule
    variable explicative.
    II s’agit de déterminer les coe¢ cients de l’équation de la droite y = ax + b.
    On utulisant la méthode des moindres carrées pour déterminer les coe¢ cients
    a et b (meilleures estimations de A et B) tels que la droite y = ax + b soit "la
    plus proche" possible du nuage de points au sens des moindres carrés.
    P
    n
    Soit : (a; b) ? tels que e2i =minimum avec ei = yi (axi + b).
    i=1

    2
    Le calcul de cette optimisation conduit aux résultats

    Cov (X; Y )
    a= ; b=Y aX
    V ar (X)

    Par suite, l’équation de la droite de régression (d’estimation) selon le critère


    des moindres carrés est:
    Cov(x; y)
    y Y = (x X)
    V ar (X)

    Remarque : la droite de régression (d’estimation) passe par le centre de


    gravité G(X; Y ):

    Vous aimerez peut-être aussi