Admis

Accueil / Terminale D / Mathématiques / Leçon 11

Statistique à deux variables

Thème : organisation et traitement des données. Durée prévue au programme : 10 heures.

Situation de départ

Un élève remarque que plus ses camarades révisent, meilleures sont leurs notes. Il veut savoir si ce lien est réel, puis prévoir la note d'un camarade qui ne révise que 12 heures par semaine. Pour cela, on étudie deux caractères en même temps : le temps de révision X et la note Y.

I. Série statistique double

1. Définition et tableau de contingence

On étudie deux caractères quantitatifs X et Y sur une même population de n individus. La série statistique double est l'ensemble des triplets (xi ; yj ; nij), où nij est l'effectif du couple (xi ; yj). On la présente dans un tableau de contingence (tableau à double entrée).

Sur 100 ménages, X est le nombre d'enfants et Y le nombre de pièces. Si la case du couple (1 ; 1) contient 4, cela veut dire que 4 ménages ont un enfant et habitent un logement d'une pièce.

2. Séries marginales

La série marginale de X s'obtient en additionnant, dans chaque colonne, les effectifs nij : on obtient les effectifs ni de chaque valeur xi. La série marginale de Y s'obtient en additionnant ligne par ligne. La fréquence d'une valeur est son effectif divisé par l'effectif total n.

3. Nuage de points

Le nuage de points d'une série double est l'ensemble des points de coordonnées (xi ; yj) d'effectif non nul. Dans la suite, chaque couple a l'effectif 1.

4. Point moyen

Le point moyen G a pour coordonnées (x ; y), où x = (x1 + … + xn)/n et y = (y1 + … + yn)/n.

Heures de révision par semaine X et note sur 20 Y de six élèves :

X2457810
Y81011141517

x = 36/6 = 6 et y = 75/6 = 12,5. Le point moyen est G(6 ; 12,5).

II. Ajustement linéaire par les moindres carrés

1. Variance et covariance

V(X) = (Σ xi2)/n − x2 et V(Y) = (Σ yi2)/n − y2.

Cov(X, Y) = (Σ xi yi)/n − x × y.

Pour l'exemple précédent : Σ xi2 = 4 + 16 + 25 + 49 + 64 + 100 = 258, donc V(X) = 258/6 − 36 = 7.

Σ yi2 = 64 + 100 + 121 + 196 + 225 + 289 = 995, donc V(Y) = 995/6 − 12,52 ≈ 9,58.

Σ xi yi = 16 + 40 + 55 + 98 + 120 + 170 = 499, donc Cov(X, Y) = 499/6 − 6 × 12,5 ≈ 8,17.

2. Coefficient de corrélation linéaire

r = Cov(X, Y) / (√V(X) × √V(Y)), avec −1 ≤ r ≤ 1

r a le signe de la covariance. Si 0,87 ≤ |r| < 1, on dit qu'il y a une forte corrélation linéaire entre X et Y. Si |r| est proche de 0, il n'y a pas de lien linéaire.

r = 8,17/(√7 × √9,58) ≈ 0,997. La corrélation est très forte et positive : quand le temps de révision augmente, la note augmente.

3. Droites de régression

S'il y a une forte corrélation linéaire :

  • Droite de Y en X : y = ax + b avec a = Cov(X, Y)/V(X) et b = y − ax.
  • Droite de X en Y : x = a′y + b′ avec a′ = Cov(X, Y)/V(Y) et b′ = x − a′y.

Les deux droites passent par G. De plus aa′ = r2 : a et a′ ont le signe de r, et r = √(aa′) si a > 0, r = −√(aa′) si a < 0.

a = 8,17/7 ≈ 1,17 et b = 12,5 − 1,17 × 6 ≈ 5,5. La droite est y = 1,17x + 5,5.

Pour 12 heures de révision, y ≈ 1,17 × 12 + 5,5 ≈ 19,5. Un élève qui révise 12 h par semaine peut espérer environ 19,5/20.

Pour viser 16/20, on utilise la droite de X en Y : a′ = 8,17/9,58 ≈ 0,85, b′ = 6 − 0,85 × 12,5 ≈ −4,65, donc x = 0,85y − 4,65 et pour y = 16, x ≈ 8,9. Il faut environ 9 heures de révision par semaine.

4. Estimer

Pour estimer y connaissant x, on utilise la droite de Y en X. Pour estimer x connaissant y, on utilise la droite de X en Y.

Une estimation n'est fiable que près des données. Reprenons l'exemple de la pluviométrie mensuelle d'une ville (12 mois) en fonction de la température : r ≈ −0,88, donc la corrélation est forte et négative. La droite de Y en X est y ≈ −3,36x + 94,6. Pour 32 °C, elle donnerait environ −12,9 mm, ce qui est impossible. La température de 32 °C est trop loin des données (de 10 °C à 28 °C) : on ne peut pas utiliser la droite pour prévoir ce mois-là. Une forte corrélation ne prouve pas non plus que X cause Y.

Retour à la situation de départ

Le coefficient r ≈ 0,997 confirme le lien entre temps de révision et note. La droite y = 1,17x + 5,5 donne environ 19,5/20 pour 12 h par semaine, mais 12 h est un peu au-dessus des données (2 à 10 h) : l'estimation reste une tendance.

À retenir

  • Point moyen G(x ; y).
  • V(X) = moyenne des x² − x² ; Cov = moyenne des xy − xy.
  • r = Cov/(σX σY) ; forte corrélation si 0,87 ≤ |r| < 1.
  • Droite de Y en X : a = Cov/V(X), b = y − ax. Droite de X en Y : a′ = Cov/V(Y).
  • Les droites passent par G et aa′ = r².
  • On estime près des données, jamais très loin.

Exercices de fixation

Exercice 1. Série : x = 1, 4, 7, 8, 10 et y = 2, 7, 8, 10, 13. Calcule le point moyen, V(X), V(Y) et Cov(X, Y).

Voir la correction

x = 30/5 = 6 et y = 40/5 = 8. G(6 ; 8).

Σ x2 = 1 + 16 + 49 + 64 + 100 = 230, V(X) = 46 − 36 = 10. Σ y2 = 4 + 49 + 64 + 100 + 169 = 386, V(Y) = 77,2 − 64 = 13,2.

Σ xy = 2 + 28 + 56 + 80 + 130 = 296, Cov = 59,2 − 48 = 11,2.

Exercice 2. Avec la série de l'exercice 1, calcule r et interprète.

Voir la correction

r = 11,2/(√10 × √13,2) ≈ 0,975. Comme 0,87 ≤ r < 1, il y a une forte corrélation linéaire positive.

Exercice 3. Détermine les droites de régression de Y en X et de X en Y (arrondis à 0,01), puis vérifie que aa′ = r².

Voir la correction

a = 11,2/10 = 1,12 et b = 8 − 1,12 × 6 = 1,28 : y = 1,12x + 1,28.

a′ = 11,2/13,2 ≈ 0,85 et b′ = 6 − 0,85 × 8 ≈ −0,79 : x = 0,85y − 0,79.

aa′ ≈ 1,12 × 0,848 ≈ 0,95 et r2 ≈ 0,9752 ≈ 0,95. C'est cohérent.

Exercice 4. Avec la droite de l'exercice 3, estime y pour x = 12, puis x pour y = 20.

Voir la correction

y = 1,12 × 12 + 1,28 = 14,72.

x = 0,85 × 20 − 0,79 = 16,21.

Exercice 5. Une corrélation r = −0,95 entre deux caractères signifie-t-elle qu'ils sont indépendants ?

Voir la correction

Non. |r| est proche de 1 : il y a une forte corrélation linéaire, négative. Quand l'un augmente, l'autre diminue. Cela ne prouve pas pour autant une relation de cause à effet.

Situation complexe

Une vendeuse de jus de bissap note, en fin de journée, la température maximale (en °C) et le nombre de bouteilles vendues :

Température X242628303234
Bouteilles vendues Y405260758398

La météo annonce 36 °C pour demain. Elle prépare 100 bouteilles. Est-ce suffisant ? Pourrait-elle en vendre 150 un jour de forte chaleur ?

Voir la correction

x = 29 et y = 68. V(X) ≈ 11,67, V(Y) ≈ 379,67, Cov ≈ 66,33. r ≈ 0,997 : très forte corrélation.

a = 66,33/11,67 ≈ 5,69 et b = 68 − 5,69 × 29 ≈ −96,9 : y = 5,69x − 96,9.

Pour x = 36 : y ≈ 107,8, soit environ 108 bouteilles. 100 bouteilles ne suffisent pas : elle manquera d'une dizaine de bouteilles.

Pour y = 150, la droite de X en Y (a′ ≈ 0,175, b′ ≈ 17,1) donne x ≈ 43 °C : température très improbable, et très loin des données. Elle ne vendra sans doute pas 150 bouteilles.

Conclusion : elle doit préparer environ 110 bouteilles pour demain.

Poser une question au profsur cette leçon

Il te reste 5 questions aujourd'hui. Le prof peut se tromper : vérifie avec ton cours.

Faire une interro de Mathématiques

Donner mon avis