Académique Documents
Professionnel Documents
Culture Documents
Statistiques Descriptives
Statistiques Descriptives
Statistiques Descriptives
Module
Elment
Enseignant
:2
: Mthodes Quantitatives
: Statistiques
: Mr BENMOUSSA
Elments du cours
Mr Mohamed-Fadil ZIADI
www.e-tahero.net
contact@e-tahero.net
Professeur BENMOUSSA
Statistiques I
Dfinitions et objets :
www.e-tahero.net Z.M.F
Les sondages dopinion, en particulier, ont connu une extension considrable au cours de
ces dernires annes.
Les perfectionnements considrables intervenus dans le domaine des machines calculer
ont contribu tendre les possibilits de la statistique.
2- Ensemble, sous-ensembles, units :
Un ensemble ou rfrentiel statistique compos dlments ou dunits statistiques est
dit population ou univers.
Un sous-ensemble de lensemble est un chantillon.
Une unit statistique doit tre dfinie sans ambigut. Elle peut comporter de nombreux
caractres, ceux-ci pourront eux mme comporter plusieurs modalits.
-2-
Professeur BENMOUSSA
Statistiques I
Exemple :
* Ensemble de production : 135 ouvriers de lusine X ;
* Echantillon : 5 ouvriers ;
* Unit : 1 ouvrier de lusine X ;
* Caractres : a- le salaire (modalits)
b- anciennet (modalits)
3- Caractres qualitatifs et quantitatifs continus ou directs :
Les caractres quantitatifs sont ceux auxquels on peut attribuer une valeur numrique.
(Exemple : une taille)
Les caractres qualitatifs sont ceux auxquels on peut seulement associer une valeur
numrique arbitraire. (Exemple : une couleur)
Un ensemble coordonn des valeurs dun caractre quantitatif constitue une suite ou
srie statistique.
Un caractre continu est un caractre qui peut prendre nimporte quelle valeur
numrique. (Exemple : une surface, un prix)
Un caractre discret ou discontinu est un caractre qui ne peut prendre que des valeurs
isoles en gnral des nombres entiers. (Exemple : nombre de personnes dans une famille).
Dans le cas dun caractre discontinu, linterprtation est dnue de sens.
II-
www.e-tahero.net Z.M.F
-3-
Professeur BENMOUSSA
Statistiques I
Effectifs
ni
12
31
29
11
4
2
1
Total : 90
www.e-tahero.net Z.M.F
-4-
Professeur BENMOUSSA
Statistiques I
Effectifs
ni
20
30
60
50
30
10
Total: 200
Notions de frquence :
La deuxime colonne dun tableau de statistique enregistre le nombre de fois que la valeur
de la variable mentionne dans la premire colonne a t rencontre.
Il sagit dune frquence, note fi, et celle-ci peut apparatre sous divers aspects selon les
critres retenus.
www.e-tahero.net Z.M.F
-5-
Professeur BENMOUSSA
Valeur de colis
xi
15
6 10
11 15
16 20
21 30
31 et +
Statistiques I
absolues
20
30
60
50
30
10
total: 200
frquences f
relatives
0,1
0,15
0,3
0,25
0,15
0,05
total: 1
10 %
15 %
30 %
25 %
15 %
5%
total: 100 %
Remarques :
* Pour les frquences relatives, le tableau se lis comme suit :
10 % des livraisons reues contenaient entre 1 et 5 colis.
* La somme des frquences relatives est toujours gale 1.
2- Frquences simples, frquences cumules :
* Les frquences simples, quelles soient absolues ou relatives, indiquent comment se
distribue la variable par rapport aux diffrentes modalits.
* Les frquences cumules, quelles soient absolues ou relatives, indiquent comment se
rpartis la variable par rapport aux diffrentes modalits. Il existe deux catgories de
frquences cumules :
- Les frquences cumules croissantes qui indiquent combien dunits de la
population sont caractrises par une valeur infrieure ;
- Les frquences cumules dcroissantes qui indiquent combien dunits de la
population sont caractrises par une valeur suprieure.
www.e-tahero.net Z.M.F
Valeur de
colis.
xi
15
6 10
11 15
16 20
21 30
31 et +
Frquences absolues
Simples
Cumules
Croissantes Dcroissantes
20
20
200
30
50
180
60
110
150
50
160
90
30
190
40
10
200
10
200
-6-
Frquences relatives
Simples
Cumules
Croissantes Dcroissantes
0,1
0,1
1
0,15
0,25
0,9
0,3
0,55
0,75
0,25
0,8
0,45
0,15
0,95
0,2
0,05
1
0,05
1
Professeur BENMOUSSA
III-
Statistiques I
Selon le nombre de variables observes sur une mme unit, plusieurs tableaux sont
possibles :
* Tableau simple entre cest dire qui tudie une seule variable ;
* Tableau double entre cest dire qui tudie deux variables.
Exemple :
www.e-tahero.net Z.M.F
Statistique du personnel dune entreprise en fonction des salaires (xi) et de lge (yi).
-7-
Professeur BENMOUSSA
Statistiques I
www.e-tahero.net Z.M.F
35
31
29
30
25
20
15
12
10
11
6
5
3
xi
0
-8-
Professeur BENMOUSSA
Statistiques I
Remarque :
Dans le cas dune variable discrte, il ne faut pas joindre les sommets des btons car par
dfinition, il nexiste pas de valeurs intermdiaires entre deux positions de la variable.
2- Cas dune variable statistique continue :
La reprsentation graphique des frquences simples dune variable continue peut
seffectuer sous la forme dun histogramme.
En portant dans laxe des abscisses les valeurs des classes du caractre, et en leur donnant
les frquences correspondantes, ou reprsente la structure de la population tudie.
a- Principes de construction de lhistogramme :
Pour chaque classe, on lve un rectangle ayant une base proportionnelle lintervalle de
classes, et hauteur proportionnelle la frquence simple. Dans ce cas, ce sont les surfaces
et non les hauteurs qui sont proportionnelles leffectif.
Dans la pratique deux cas peuvent se prsenter :
Cas damplitude gale :
Exemple :
Distribution du courrier du mois de fvrier dune entreprise en fonction du nombre des
lettres reues.
Frquences absolues (ni)
5
7
6
4
2
1
Total : 25
www.e-tahero.net Z.M.F
-9-
Amplitudes
5
5
5
5
5
5
Professeur BENMOUSSA
Statistiques I
7
6
5
4
2
1
10 15
15 20
20 25
25 30
30 35
35 40
Lhistogramme est constitu par lensemble des rectangles adjacent. Nous vrifions par
exemple le rectangle reprsentatif de la classe 30 35 (effectif 2) a une surface double de
celle du rectangle reprsentatif de la classe 35 40 (effectif 1).
Cas damplitude ingale :
Dans ce cas, on respecte la proportionnalit des surfaces, il faut rectifier en consquence
les hauteurs.
Supposant que la distribution prcdente, sur une priode de deux mois, se prsente de la
faon suivante :
www.e-tahero.net Z.M.F
Amplitude
5
5
5
10
5
5
- 10 -
Professeur BENMOUSSA
Statistiques I
ni
Histogramme du courrier de deux mois de lentreprise X
16
14
12
10
8
6
4
2
12
9
9
6
10
15
20
25
30
35
40
45
xi
50
ni
Histogramme du courrier de deux mois de lentreprise X
16
14
12
10
8
6
4
www.e-tahero.net Z.M.F
12
9
6
3
II-
10
15
20
25
30
35
40
45
xi
50
- 11 -
Professeur BENMOUSSA
Statistiques I
Frquences
absolues
Simples Cumules
Croissantes Dcroissantes
12
12
89
31
43
77
29
72
46
11
83
17
4
87
6
2
89
2
89
xi
0
1
2
3
4
5
Simples
0,135
0,348
0,326
0,124
0,045
0,022
1
Frquences
relatives
Cumules
Croissantes Dcroissantes
0,135
1
0,483
0,865
0,804
0,517
0,936
0,191
0,977
0,067
1
0,022
Rpartition croissante :
ni
90
80
70
60
50
40
30
20
10
fi
83
72
43
12
www.e-tahero.net Z.M.F
90
87
xi
- 12 -
Professeur BENMOUSSA
Statistiques I
Rpartition dcroissante :
ni
90
80
70
60
50
40
30
20
10
fi
89
77
46
17
6
xi
www.e-tahero.net Z.M.F
xi
10 15
15 20
20 25
25 35
35 40
40 45
45 50
Frquences
absolues
Simples
Cumules
Croissantes
3
3
9
12
12
24
18
42
6
48
3
51
1
52
52
Simples
Dcroissantes
52
49
40
28
10
4
1
- 13 -
0,057
0,173
0,230
0,346
0,115
0,057
0,019
1
Frquences
relatives
Cumules
Croissantes Dcroissantes
0,057
1
0,230
0,943
0,460
0,770
0,806
0,540
0,921
0,194
0,978
0,074
1
0,022
Professeur BENMOUSSA
Statistiques I
ni
90
80
70
60
50
40
30
20
10
52
52
48
49
51
42
40
28
12
24
10
10
15
20
25
30
35
40
45
xi
50
www.e-tahero.net Z.M.F
- 14 -
Professeur BENMOUSSA
Statistiques I
I-
Le mode :
1- Dfinition :
ni
12
31
29
11
6
3
Total : 92
0
1
2
3
4
5
ni
40
30
25
20
15
10
35
31
12
11
6
www.e-tahero.net Z.M.F
29
xi
Donc le mode est 25, qui correspond au battons le plus lev du graphique.
Dans le cas dune variable continue, le mode sapplique la classe qui correspond la
frquence maximale. Celle ci sappelle classe modale .
Remarque :
- 15 -
Professeur BENMOUSSA
Statistiques I
La valeur du mode dans ces conditions dpend de lamplitude des classes et quil faut
vrifier lgalit des intervalles de classes.
Exemple :
xi
100 110
110 120
120 125
125 130
130 140
140 160
ni
8
22
18
20
12
6
Amplitude
10
10
5
5
10
20
Effectifs corrigs
8
22
36
40
12
3
La mdiane :
1- Dfinition :
La mdiane (M) est la valeur de la variable qui partage leffectif en deux parties gales, les
lments de la population tant rongs par ordre croissant ou dcroissant. En dautre
terme, la mdiane est la valeur statistique qui correspond sur la courbe cumulative une
ordonne reprsentant une frquence relative 0,5 ou 50%, ce qui entrane que 50% des
observations seront infrieures la mdiane et 50% seront suprieures la mdiane.
a- Cas dune variable discrte ou discontinue :
www.e-tahero.net Z.M.F
Il nexiste pas, en gnral, de valeur mdiane, sauf dans lhypothse o la srie possde un
nombre de terme impair est connu individuellement.
Exemple :
30 4 8 10 6 12 13 15 16
4 6 8 10 12 13 15 16 30
4 termes
4 termes
Mdiane
- 16 -
Professeur BENMOUSSA
Statistiques I
Xi
Frquences
Simples
1000 1500
1500 2000
2000 2500
2500 3000
3000 3500
6
12
25
17
5
65
Cumuls
Croissantes
6
18
43
60
65
Dcroissantes
65
59
47
22
5
www.e-tahero.net Z.M.F
- 17 -
Professeur BENMOUSSA
Statistiques I
52
52
48
49
51
42
40
28
12
24
10
10
15
20
25
30
35
40
45
xi
50
Si on prend en titre dexemple ce graphique, la mdiane dans ce cas est denviron 27.
Exercice :
On donne la rpartition de 100 ouvriers dune entreprise selon leur salaire journalier.
www.e-tahero.net Z.M.F
Salaires
journaliers
80 - 120
120 - 160
160 - 200
200 - 240
ni
10
30
40
20
100
Frquences cumules
croissantes
10
40
80
100
Frquences cumules
dcroissantes
100
90
60
20
- 18 -
Professeur BENMOUSSA
Statistiques I
La moyenne arithmtique :
1- Dfinition :
a- Moyenne arithmtique simple :
Si la variable statistique est donne sous forme de srie (x1, x2, x3 xn), la moyenne
arithmtique est le rapport :
x1 + x2 + x3 + + xn
X=
= (1/n). xi
n
Exemple :
Les notes obtenues par un candidat un examen sont les suivants : 8 9 12 14 17.
8 + 9 + 12 + 14 + 17
X=
= 12.
5
www.e-tahero.net Z.M.F
= 550/50 = 11.
ni
- 19 -
Professeur BENMOUSSA
Statistiques I
Exemple :
Notes (xi)
4
6
8
9
10
12
13
14
17
Effectifs (ni)
1
2
4
7
10
13
5
6
2
50
ni xi
4
12
32
63
100
156
65
84
34
550
fi
0,02
0,04
0,08
0,14
0,2
0,26
0,1
0,12
0,04
1
fi x i
0,08
0,24
0,64
1,26
2
3,12
1,3
1,68
0,68
11
fi x i
X=
= 11/1 = 11.
fi
Dans le cas de variables groupes en classes, le calcule est le mme en prenant pour valeur
de la variable le centre des classes.
2- Calcule en cas dune variable groupe en classes :
a- Calcule par changement dorigine :
La formule de la moyenne est la suivante :
ni (xi x0)
www.e-tahero.net Z.M.F
X = x0 +
ni
Exemple :
classes
40 - 45
45 - 50
50 - 55
55 - 60
60 - 65
65 - 70
70 - 75
ni
xi
xi x0
ni (xi x0)
8
42,5
-15
-120
12
47,5
-10
-120
28
52,5
-5
-140
30
57,5
0
0
58
62,5
5
290
29
67,5
10
290
7
72,5
15
105
172
305
xi, cest le centre des calasses qui est calculer comme suit : (40 + 45) / 2
- 20 -
Professeur BENMOUSSA
Statistiques I
Donc :
ni (xi x0)
X = x0 +
ni
= 59,27.
Avec : x0 = 57,5.
b- Calcule par changement dchelle :
Si les valeurs de la srie sont des multiples entiers dune valeur k (qui peut tre
galement lintervalle de classes). Il est recommand de prendre k comme unit.
ni [(xi x0) / k]
X = x0 + k
ni
Exemple :
classes
40 - 45
45 - 50
50 - 55
55 - 60
60 - 65
65 - 70
70 - 75
ni
8
12
28
30
58
29
7
172
xi
42,5
47,5
52,5
57,5
62,5
67,5
72,5
(xi - x0)/k
-3
-2
-1
0
1
2
3
ni [(xi x0) / k]
X = x0 + k
= 59,27.
ni
Avec : k = lamplitude.
www.e-tahero.net Z.M.F
II-
Moyenne gomtrique :
Lorsque les valeurs dune srie statistique varient en gros selon une progression
gomtrique, il est prfrable de substituer la moyenne arithmtique la moyenne
gomtrique (xG).
1- Dfinition :
- 21 -
Professeur BENMOUSSA
Statistiques I
x1.x 2.x3....xn
Exemple:
Le chiffre daffaire mensuel dun nouveau produit a t au cours des six derniers mois :
256 332 432 562 731 950 .
xG = 6 256 * 332 * 432 * 562 * 731 * 950 = 492.
Gnralisation:
Lorsque les valeurs de la variable sont affectes dune frquence, la moyenne gomtrique
est donne par la formule suivante :
Log xG = 1/n ( ni . log xi).
Exemple :
xi
2
4
8
16
12
ni
4
5
8
2
1
20
log xi
0,301
0,602
0,403
1,204
1,505
ni . log xi
1,204
3,01
7,224
2,408
1,505
15,351
Moyenne harmonique :
www.e-tahero.net Z.M.F
1- Dfinition :
La moyenne harmonique est linverse des moyennes arithmtiques des inverses.
ni
xH =
IV-
ni 1/n
Moyenne quadratique :
- 22 -
Professeur BENMOUSSA
Statistiques I
1- Dfinition :
La moyenne quadratique est dfinie par la formule suivante :
n i x i2
xQ =
ni
2- Observation :
Il faut savoir que :
xG
xH.
www.e-tahero.net Z.M.F
xQ x
- 23 -
Professeur BENMOUSSA
Statistiques I
I-
Ltendu :
ni
2
15
28
16
3
www.e-tahero.net Z.M.F
II-
Les intervalles :
Ces caractristiques permettent une mesure de dispersion qui limine linfluence des
valeurs extrmes.
1- Les intervalles interquartiles :
a- Dfinition :
Lintervalle interquartile dune srie statistique est gal la diffrence :
Q3 Q1.
Portail des Etudiants dEconomie
- 24 -
Professeur BENMOUSSA
Statistiques I
xi
1000 - 1500
1500 - 2000
2000 - 2500
2500 - 3000
ni
6
14
17
18
ni
6
8
3
1
18
* Calculer Q1 :
Rang = 18/4 = 4,5.
Q1 = 1000 + 500 [(4,5 0) / (6 0)].
Q1 = 1375.
* Calculer Q3 :
Rang = (18/4).3 = 13,5.
Q3 = 1500 + 500 [(13,5 6) / (14 6)].
Q3 = 1968,75.
Q3 Q1 = 1968,756 1375 = 593,75.
On trouve dans cet intervalle 50% des observations concentres autour de la mdiane. Plus
lintervalle est rduit, plus la concentration autour des valeurs centrales est forte.
III-
1- Dfinitions :
* La variance dune srie statistique est la moyenne arithmtique des carrs des carts
[ni (xi x)2]
V =
ni
* Lcart type est la racine carre de la variance :
= V
www.e-tahero.net Z.M.F
2- Application:
a- dtermination directe de la variance :
- 25 -
Professeur BENMOUSSA
Statistiques I
xi
ni
ni xi
xi - x
(xi x)2
ni (xi x)
ni xi2
17
19
21
23
25
27
29
31
1
1
2
6
5
3
2
0
20
17
19
42
138
125
81
58
0
480
-7
-5
-3
-1
1
3
5
7
49
25
9
1
1
9
25
49
49
25
18
6
5
27
50
0
180
289
361
882
3174
3125
2187
1682
0
11700
fi x i
X=
= 24.
fi
= V = 3.
Lorsquune moyenne arithmtique est une valeur entire, les calcules sont assez simples,
mais la plupart du temps la moyenne est un nombre dcimal, ce qui rend llvation au
carre des cart plus difficile. Lhypothse de non utilisation de machines, nous proposons
les amliorations du calcul suivantes :
b- Autres modes de dtermination :
Expression dveloppe de la variance :
(ni xi )2 x2
V =
ni
Calcul de la variance, formule simplifie :
www.e-tahero.net Z.M.F
Comme pour la moyenne, le recours aux procds de simplification peut tre utile.
* Calcul de variance par changement dorigine :
En posant une valeur arbitraire x0 (la plupart du temps cette valeur sera centrale)
lexpression de la variance devient :
- 26 -
Professeur BENMOUSSA
Statistiques I
V =
ni
* Calcul de la variance en faisant un changement dchelle :
Dans les sries intervalles de classes gaux, il est conseill de trouver un nombre k
qui signifie en maximum lcart (xi x0). On peut alors crire :
k2. ni [(xi x ) / k]2
V =
ni
La combinaison des deux procds de simplification permet dcrire la formule gnrale :
k2. ni [(xi x0 ) / k]2 - (x x0)2
V =
www.e-tahero.net Z.M.F
ni
- 27 -
Professeur BENMOUSSA
Statistiques I
Chapitre 7 : LA CONCENTRATION.
www.e-tahero.net Z.M.F
A
100%
fi %
La concavit de la concentration est toujours dirige vers le bas. La surface S sappelle
laire de la concentration. Quand laire est nulle, il y a absence de concentration, quand
elle est gale la surface du demis carre, il y a concentration totale.
On dfinis ainsi un indice de concentration par le rapport suivant :
Portail des Etudiants dEconomie
- 28 -
Professeur BENMOUSSA
Statistiques I
ni
xi
ni xi
nixi
fi
fi
en %
fi x i
Fixi
en %
4
7
9
10
5
15
25
35
20
45
50
35
150
20
65
115
150
0,4
0,3
0,2
0,1
40
70
90
100
0,13
0,3
0,33
0,23
13
43
76
100
10
20
30
40
Classes
50
* Dterminer la mdiane :
Rang : 10/2 = 5.
Mdiane = 10 + 10[(5-4)/(7-4)] = 13,33.
* Construire lhistogramme donnant limportance du caractre procd par classes.
www.e-tahero.net Z.M.F
ni xi
60
50
40
30
20
10
10
20
30
40
Classes
50
- 29 -
Professeur BENMOUSSA
Statistiques I
* Dterminer la mdiale :
Rang : 150/2 = 75.
Mdiale = 20 + 10 [(75 65) / (115 65)] = 22.
* Que peut on dire de la diffrence : Ml Me = M.
22 13,33 = 8,66.
Si M est grand par rapport au domaine de variation du caractre, la concentration est
grande ;
Si M est petit par rapport au domaine de variation du caractre, la concentration est
petite.
* Construire la courbe de concentration :
fi x i %
90
43
S
13
A
S1
S2
40
S3
1 S4
90 100%
70
www.e-tahero.net Z.M.F
- 30 -
fi %
Professeur BENMOUSSA
Statistiques I
www.e-tahero.net Z.M.F
*
*
*
*
*
*
*
* *
x
Dpendance linaire parfaite.
Portail des Etudiants dEconomie
x
Dpendance linaire forte.
- 31 -
Professeur BENMOUSSA
II-
Statistiques I
1- Remarque :
Lexistence dune relation linaire ne suffit pas comme lien de cause effet.
La mesure de la corrlation est purement mathmatique et peut tre effectu entre des
phnomnes indpendants, il faudra donc toujours expliquer le pourquoi dune forte
corrlation.
Dans le cas dune srie de deux variables x et y , il est possible de considrer
successivement chaque variable comme variable explique, puis comme variable
explicable. Dans ces conditions, nous pouvons calculer deux droites de rgression.
a- La droite de rgression de y en x dquation y = ax + b :
Permettant de dterminer y connaissant x .
b- La droite de rgression de x en y dquation x = ay + b :
Permettant de dterminer x connaissant y .
Application :
www.e-tahero.net Z.M.F
Une entreprise souhaite expliquer et prvoir ses ventes y par rapport des dpenses de
publicit engages x , ou au contraire dterminer les dpenses de publicit y en
fonction de ces ventes x .
Pour concrtiser ces notions, nous allons utiliser lexemple suivant :
Dpenses
de
Vente "Y" Xi = xi -x
publicit
"X"
800
1500
-110
870
1900
-40
900
2000
-10
920
2300
10
970
2500
60
1000
3000
90
5460
13200
Yi =yi -y
xi yi
(xi x)2
(yi y)2
-700
-300
-200
100
300
800
77000
12000
2000
1000
18000
72000
182000
12100
1600
100
100
3600
8100
25600
490000
90000
40000
90000
90000
640000
1360000
1- Droite de rgression de y en x :
* Choix des variables :
Nous somme dans le situation suivante : lentrepreneur dsir prvoir ses ventes (Y :
variable explique) par rapport des dpenses de publicit engages (X : variable
explicative).
- 32 -
Professeur BENMOUSSA
Statistiques I
* Caractristique de la droite y = ax + b :
Lquation de cette droite se dtermine en appliquant la mthode des moindres carre.
Cette droite passe par le point moyen (x , y) du nuage des points et que la valeur de sa
pente (a) se dtermine par la formule suivante :
(Xi Yi)
a =
Xi2
x = 5460/6 = 910.
y = 13200 / 6 = 2200.
Xi = xi x
Yi = yi y.
Donc : b = 2200- (7,10 * 910) = - 4270.
a = 7,1.
Enfin : y = 7,1 x 4270.
2- Droite de rgression de x en y :
* Choix des variables :
Nous sommes dans la situation suivante : lentrepreneur veut dterminer ses dpenses de
publicit (qui devient variable explique y ) en fonction de ses ventes qui devient
variable explicative X .
* Caractristique de la droite :
Lquation de cette droite se dtermine de la faon suivante : elle passe par le point
moyen(x , y) et a pour pente la formule suivante :
(Xi Yi)
a =
= 182000/1360000 = 0,13.
Yi2
b = x - ay = 617,40.
Donc: x = 0,13 + 617,40.
www.e-tahero.net Z.M.F
Commentaire:
Il existe donc une liaison certaine entre les deux phnomnes. Certes les dpenses de
publicit expliquent correctement les ventes, mais cette dernire influence certainement les
dpenses de publicits futures qui leur tour conditionnent les ventes.
En gnralisant :
* Droite de rgression de y en x : D (yx) ;
* Droite de rgression de x en y : D (xy) ;
* Graphique ;
* Consquences.
- 33 -
Professeur BENMOUSSA
Statistiques I
Le coefficient de corrlation :
1- Dfinition :
(Xi2). (Yi2)
Remarque:
Le coefficient de corrlation :
* Est un nombre sans dimension entre 0 et 1 ;
* il est toujours du signe de (Xi Yi) qui peut tre positif, nul ou ngatif.
www.e-tahero.net Z.M.F
- 34 -
Professeur BENMOUSSA
Statistiques I
www.e-tahero.net Z.M.F
* Si r est proche -1 , les deux phnomnes sont en relation troite, et leur sens de
variation est inverse. Autrement dit un accroissement de x correspond une
diminution de y .
* Si r est comprise entre - 0,5 et 0 ,5 , il ny a pas de vritable relation linaire
entre x et y . Cela peut provenir dune indpendance ou dune relation non linaire
entre les deux phnomnes x et y .
Le nuage de points est dans ce cas trs indicatif.
En rgle gnrale, la corrlation :
- Est bonne si r 0,8.
- Est moyenne si 0,5 < r< 0,8.
- Est mauvaise si
r< 0,5.
- 35 -