Cours 2 : Statistiques à deux variables : Ajustements affine

I. Définitions
1) Série statistique à deux variables
On suppose que, suite à une étude faite, on s’intéresse à deux caractères quantitatifs (deux variables numériques) sur
une population donnée.
À chaque individu de cette population, on associe donc un couple (xi ; yi) de nombres réels où la variable xi est la
valeur de la première variable pour l’individu considéré et où la variable yi est la valeur de la seconde variable.
………………………………………………………………………………………………………………......................................
Les résultats peuvent être résumés dans un tableau :
Valeur xi x1 x2 ... xn
Valeur yi y1 y2 ... yn
……………………………………………………………………………………………………………….......................................

Exemple 1 :
Un responsable de ventes de magasin analyse l'évolution de son chiffre d'affaires sur la dernière période. Il relève
pour cela le montant des frais de publicité engagés sur la même période. Il dresse le tableau suivant (les montants sont
exprimés en centaines d'euros)

Frais de publicité xi 10 6 6,5 11,5 11 8 7 6,5 11 9

Chiffre d'affaires yi 250 220 228 262 268 244 240 222 259 246

2) Nuage de points
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................

………………………………………………………………………………………………………………......................................
Exemple : Représenter la série de l’exemple 1 dans le repère orthogonal ci-dessous, en plaçant les 10 points dont les
coordonnées sont les couples (xi; yi).

1
3)Point moyen
Notons x la moyenne des valeurs xi et y la moyenne des valeurs yi. On a :
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................

………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................

Exemple : Calculer le point moyen de la série de l’exemple 1

………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................

II.Ajustement par la methode de Meyer

………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................

Pour tracer cette droite, on utilise la méthode de Mayer.

 Le nuage est partagé suivant les valeurs croissantes de xi en deux nuages d'égale importance :
 ………………………………………………………………………………………………………………..........................

………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
Exemple :Partager le nuage en deux groupes de points
- le premier formé des 5 points d'abscisses les plus petites;
- le deuxième groupe formé des 5 points d'abscisses les plus grandes.
Pour cela, compléter le tableau suivant
1er Groupe 2iéme Groupe
Frais de
6 11,5
publicité xi
Chiffre
d'affaires 220 262
yi

a.Calculer les coordonnées de Gl, point moyen du premier groupe.

………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
b.Calculer les coordonnées de G2, point moyen du deuxième groupe.
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
c.Placer les points G, et G2 dans le repère et tracer la droite (GlG2).
d.Déterminer l'équation de la droite (GlG2).
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................

e.Vérifier que le point moyen du nuage G(8,65; 243,9) appartient à la droite (G l G2).
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................

f.Comment utiliser un ajustement affine ?

À partir de l'ajustement affine précédent, le responsable des ventes peut estimer le chiffre d'affaires qu'il espère
réaliser s'il engage 1 300 euros de frais de publicité.
2
 f.Déterminer graphiquement le chiffre d'affaires espéré.
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
g.Déterminer par le calcul ce chiffre d'affaires
………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................

Remarques
On rencontre parfois l'expression « ajustement linéaire », improprement utilisée. En effet, la droite d'ajustement ne
passe pas dans tous les cas par l'origine du repère;
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................

III.Ajustement affine par la méthode des moindres carrés

1) Le principe de l’ajustement
Suivant la forme du nuage de points, on peut essayer de trouver une fonction f qui modélise le lien entre les deux
caractères (c’est-à-dire que la courbe d’équation y = f(x) passe le plus près possible de chacun des points).

………………………………………………………………………………………………………………...................................
………………………………………………………………………………………………………………......................................
2) Ajustement par la méthode des moindres carrés
 Considérons deux séries statistiques (xi) et (yi), telles que le nuage de points présente un « certain » alignement.
On se propose de d’ajuster ce nuage par une droite ; on sait que des nombreuses droites sont possibles, laissées au
choix de l’utilisateur.
 Mais une méthode, la méthode des moindres carrés, est principalement utilisée, parce qu’elle présente de
nombreux intérêts théoriques et que les calculs qu’elle entraîne se font sans trop de difficulté.
L’idée est de déterminer les coefficients a et b d’une droite D d’équation y = ax + b de sorte qu’elle passe le « plus
près » possible des points du nuage.
Pour chaque abscisse xi, on calcule la distance MiPi entre le
point du nuage et le point de la droite, c’est-à-dire que :
M i Pi  yi   axi  bi  .
…………………………………………………………………………
…………………………………….........................................................
…………………………………………………………………………
…………………………………….........................................................
Il se trouve qu’il existe une seule droite répondant à cette
condition.
 Théorème (admis)
La droite de régression de y en x associée au nuage de points Mi de
coordonnées (xi ; yi) avec 1 ≤ i ≤ n est la droite :

………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................
…………………………................................................................................................................................................

3
Dans V(x), on reconnaît la variance de la série statistique x.
Cov(x, y) est appelée covariance de x et de y,on la note aussi covxy .
Autre écriture de la variance :
………………………………………………………………………………………………………………......................................
………………………………………………………………………………………………………………......................................

Demonstration
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
...........................................................................................................................................................................................
Pour la variance de x on utilisera ....................................................................................................................................
Propriété : l’équation de cette droite est finalement ……………………………………………………………………
Demonstration : G  ( D) ……………………………………………………………………………………………..
...............................................................................................................................................................................................................
..............................................................................................................................................................................................................
3) Utilités
Pour une valeur donnée x0 de la variable x, l'ajustement permet de prévoir approximativement la valeur
correspondante de y.
- si .............................................. d'observation des valeurs de x, on dit que l'on fait une ...................................
- si ..............................................................on parle ........................ mais dans ce cas il faut faire l'hypothèse que le
modèle reste plausible à l'extérieur de cet intervalle.
4) Exemple corrigé
On considère la série statistique à deux variables suivantes
Determinons une équation de la droite de regression de y en x

totaux
xi 0.15 0.20 0.25 0.30 0.40 0.5
yi 443 560 613 675 820 1067
xi2
yi2
xi*yi
.......................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.........................................................................................................................................................................

4
II. Coefficient de corrélation linéaire
Définition : On appelle ……………………………………… d’une série statistique de varaibles x et y,le nombre
défini par :
……………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………….
Ce coefficient sert ……………………… ……………………………..
Interpretation graphique :
……………………………………………………………………………………………………………………………
……………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………….

Propriété : …………………………………………………………………………

Exemple précédent :

.......................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.............................................................................................................................................................................................
.........................................................................................................................................................................